Probability distributions arising from nested Gaussians

El Otmani, Souad; Maul, Armand

doi:10.1016/j.crma.2009.01.009

Statistics

Probability distributions arising from nested Gaussians
[Lois de probabilités résultant de lois normales réitérées]

Présenté par : Paul Deheuvels

El Otmani, Souad ¹ ; Maul, Armand ¹

¹ Université Paul-Verlaine-Metz, LMAM, CNRS UMR 7122, Île du Saulcy, 57045 METZ, France

Comptes Rendus. Mathématique, Tome 347 (2009) no. 3-4, pp. 201-204.

Résumé
Abstract

On considère un échantillon aléatoire $X_{1}, \dots, X_{n}$ suivant la loi normale $N (μ, σ_{1}^{2})$ , de taille $n ⩾ 1$ . Conditionnellement à chaque $X_{i}, i = 1, \dots, n$ , on définit un nouvel échantillon aléatoire $X_{i, 1}, \dots, X_{i, n}$ suivant la loi normale $N (X_{i}, σ_{2}^{2})$ ( $N (X_{i}, σ_{2}^{2})$ est une notation introduite par commodité). Sous l'hypothèse que les n nouveaux échantillons aléatoires ainsi obtenus sont conditionnellement indépendants, on obtient un ensemble de points aléatoires de seconde génération. La question est d'étudier les propriétés de cet ensemble. On donne un théorème précisant la densité limite obtenue lorsque n tend vers l'infini, et on généralise ce théorème en étudiant ce qui se produit lorsque que l'on répète cette procédure jusqu'à obtenir, conditionnellement à chaque $X_{i_{1}, i_{2}, \dots, i_{p - 1}}, i_{1} = 1, \dots, n_{1}, i_{2} = 1, \dots, n_{2}, \dots, i_{p - 1} = 1, \dots, n_{p - 1}$ , de nouveaux échantillons aléatoires $X_{i_{1}, i_{2}, \dots, i_{p}}, i_{p} = 1, \dots, n_{p}$ suivant la loi normale $N (X_{i_{1}, i_{2}, \dots, i_{p - 1}}, σ_{p}^{2})$ .

We consider a random sample $X_{1}, \dots, X_{n}$ of size $n ⩾ 1$ from an $N (μ, σ_{1}^{2})$ Gaussian law. Then, conditionally on each $X_{i}, i = 1, \dots, n$ , we define a new random sample $X_{i, 1}, \dots, X_{i, n}$ from the $N (X_{i}, σ_{2}^{2})$ normal distribution ( $N (X_{i}, σ_{2}^{2})$ is notation introduced for convenience). Assuming that the so obtained n new random samples are conditionally independent, we get a second step randomly generated set of points. The question is to investigate the properties of this set. We give a theorem precising the limiting density obtained when n approaches infinity, and we generalize this theorem by studying what occurs when repeating this process until, conditionally on each $X_{i_{1}, i_{2}, \dots, i_{p - 1}}, i_{1} = 1, \dots, n_{1}, i_{2} = 1, \dots, n_{2}, \dots, i_{p - 1} = 1, \dots, n_{p - 1}$ , we get new random samples $X_{i_{1}, i_{2}, \dots, i_{p}}, i_{p} = 1, \dots, n_{p}$ , from the $N (X_{i_{1}, i_{2}, \dots, i_{p - 1}}, σ_{p}^{2})$ normal distribution.

Reçu le : 2007-11-19
Accepté le : 2009-01-14
Publié le : 2009-02-01

DOI : 10.1016/j.crma.2009.01.009

Affiliations des auteurs :

El Otmani, Souad ¹ ; Maul, Armand ¹

¹ Université Paul-Verlaine-Metz, LMAM, CNRS UMR 7122, Île du Saulcy, 57045 METZ, France

@article{CRMATH_2009__347_3-4_201_0,
     author = {El Otmani, Souad and Maul, Armand},
     title = {Probability distributions arising from nested {Gaussians}},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {201--204},
     publisher = {Elsevier},
     volume = {347},
     number = {3-4},
     year = {2009},
     doi = {10.1016/j.crma.2009.01.009},
     language = {en},
     url = {http://www.numdam.org/articles/10.1016/j.crma.2009.01.009/}
}

TY  - JOUR
AU  - El Otmani, Souad
AU  - Maul, Armand
TI  - Probability distributions arising from nested Gaussians
JO  - Comptes Rendus. Mathématique
PY  - 2009
SP  - 201
EP  - 204
VL  - 347
IS  - 3-4
PB  - Elsevier
UR  - http://www.numdam.org/articles/10.1016/j.crma.2009.01.009/
DO  - 10.1016/j.crma.2009.01.009
LA  - en
ID  - CRMATH_2009__347_3-4_201_0
ER  -

%0 Journal Article
%A El Otmani, Souad
%A Maul, Armand
%T Probability distributions arising from nested Gaussians
%J Comptes Rendus. Mathématique
%D 2009
%P 201-204
%V 347
%N 3-4
%I Elsevier
%U http://www.numdam.org/articles/10.1016/j.crma.2009.01.009/
%R 10.1016/j.crma.2009.01.009
%G en
%F CRMATH_2009__347_3-4_201_0

El Otmani, Souad; Maul, Armand. Probability distributions arising from nested Gaussians. Comptes Rendus. Mathématique, Tome 347 (2009) no. 3-4, pp. 201-204. doi : 10.1016/j.crma.2009.01.009. http://www.numdam.org/articles/10.1016/j.crma.2009.01.009/

Bibliographie
Cité par

[1] S. Arora, R. Kannan, Learning mixtures of arbitrary Gaussians, in: Symposium on Theory of Computing (STOC), 2001

[2] S. Dasgupta, Learning mixtures of Gaussians, in: Proc. of Symposium on Foundations of Computer Science (FOCS), 1999

[3] Everitt, B.S.; Hand, D.J. Finite Mixture Distributions, Chapman and Hall, New York, 1981

[4] McLachlan, G.J.; Peel, D. Finite Mixture Models, Wiley, New York, 2000

Cité par Sources :