5.2 \(t\) de Student
5.2.1 \(t\) univariada \(\cdot \; \mathcal{t_\nu}\)
5.2.2 \(t\) multivariada \(\cdot \; \mathcal{t_\nu}(\boldsymbol{\mu},\Sigma)\)
\[\begin{equation} f(\boldsymbol{x}) = \frac{\Gamma \left( \frac{\nu+p}{2} \right)}{ \Gamma \left( \frac{\nu}{2} \right) (\nu \pi)^{p/2} |\Sigma|^{1/2}} \left[ 1+\frac{1}{\nu} (\boldsymbol{x} - \boldsymbol{\mu})' \Sigma^{-1} (\boldsymbol{x} - \boldsymbol{\mu}) \right]^{-\frac{\nu + p}{2}} \tag{5.4} \end{equation}\]
(Kotz and Nadarajah 2004) apresenta uma série de resultados e aplicações da t multivariada.
5.2.2.1 Biblioteca mvtnorm
Assim como para a distribuição normal (Seção 5.1.3.1), a biblioteca mvtnorm
(Genz et al. 2021) também disponibiliza funções para lidar com a \(t\) multivariada.
Exemplo 5.7 Considerando os dados do Exemplo 5.3, pode-se resolver a integral a seguir utlizando a função mvtnomr::pmvt
, bastando utlilizar df=0
e trocando o argumento mean
por delta
(parâmetros de não-centralidade). \[\boldsymbol{\mu}' = \begin{bmatrix} 0 & 0 & 0 \end{bmatrix} \;\;\; \text{e} \;\;\; \boldsymbol{\rho} = \begin{bmatrix} 1 & \frac{3}{5} & \frac{1}{3} \\ \frac{3}{5} & 1 & \frac{11}{15} \\ \frac{1}{3} & \frac{11}{15} & 1 \end{bmatrix}\] calcula-se a probabilidade
\[ Pr(X_1<1, X_2<4, X_3<2) = \dfrac{1}{\sqrt{(2\pi)^3 |\Sigma|}} \int_{-\infty}^{1} \int_{-\infty}^{4} \int_{-\infty}^{2} e^{-\frac{1}{2} \boldsymbol{x}' \Sigma^{-1} \boldsymbol{x}} dx_3 dx_2 dx_1 \]
Note que a função admite matrizes de correlação triangulares no argumento corr
.
library(mvtnorm)
m <- 3
rho <- diag(3)
rho[2,1] <- 3/5
rho[3,1] <- 1/3
rho[3,2] <- 11/15
pmvt(lower = rep(-Inf, m), upper = c(1,4,2),
delta = rep(0, m), corr = rho, df = 0)
## [1] 0.8279849
## attr(,"error")
## [1] 8.046519e-07
## attr(,"msg")
## [1] "Normal Completion"