De la Wikipedia, enciclopedia liberă.
Distribuția Rayleigh |
---|
Funcția densității probabilității |
Funcția de distribuție |
Parametrii | {\ displaystyle \ sigma> 0 \} |
---|
A sustine | {\ displaystyle \ mathbb {R} ^ {+}} |
---|
Funcția de densitate | {\ displaystyle {\ frac {z} {\ sigma ^ {2}}} e ^ {- {\ frac {z ^ {2}} {2 \ sigma ^ {2}}}}} |
---|
Funcția de distribuție | {\ displaystyle 1-e ^ {- {\ frac {z ^ {2}} {2 \ sigma ^ {2}}}}} |
---|
Valorea estimata | {\ displaystyle \ sigma {\ sqrt {\ frac {\ pi} {2}}}} |
---|
Median | {\ displaystyle \ sigma {\ sqrt {\ log (4)}}} |
---|
Modă | {\ displaystyle \ sigma \} |
---|
Varianța | {\ displaystyle (2 - {\ frac {\ pi} {2}}) \ sigma ^ {2}} |
---|
Indicele de asimetrie | {\ displaystyle {\ frac {2 {\ sqrt {\ pi}} (\ pi -3)} {(4- \ pi) ^ {3/2}}} \ approx 0,631} |
---|
Curios | {\ displaystyle -2 {\ frac {3 \ pi ^ {2} -12 \ pi +8} {(4- \ pi) ^ {2}}} \ approx -0.245} |
---|
Entropie | {\ displaystyle 1 + {\ frac {1} {2}} \ log {\ frac {\ sigma ^ {2}} {2}} + {\ frac {1} {2}} \ gamma} cu {\ displaystyle \ gamma} constanta Euler-Mascheroni |
---|
Funcție generatoare de momente | {\ displaystyle 1 + {\ sqrt {\ tfrac {\ pi \ sigma ^ {2}} {2}}} te ^ {\ frac {\ sigma ^ {2} t ^ {2}} {2}} {\ Big (} {\ text {erf}} {\ big (} {\ sqrt {\ tfrac {\ sigma ^ {2}} {2}}} t {\ big)} + 1 {\ Big)}} cu erf funcția de eroare |
---|
Funcția caracteristică | {\ displaystyle 1 - {\ sqrt {\ tfrac {\ pi \ sigma ^ {2}} {2}}} te ^ {- {\ frac {\ sigma ^ {2} t ^ {2}} {2}} } {\ Big (} w {\ big (} {\ sqrt {\ tfrac {\ sigma ^ {2}} {2}}} t {\ big)} - i {\ Big)}} cu w funcția de eroare complexă |
---|
Manual |
În teoria probabilității, distribuția Rayleigh este o distribuție a probabilității care descrie distanța de la originea unui punct {\ displaystyle (X, Y)} în planul euclidian al cărui coordonate sunt independente și ambele urmează distribuția normală centrată .
Este numit după Lord Rayleigh .
Definiție
Distribuția parametrului Rayleigh {\ displaystyle \ sigma ^ {2}> 0} descrie variabila aleatorie {\ displaystyle Z = {\ sqrt {X ^ {2} + Y ^ {2}}}} , unde este {\ displaystyle X} Și {\ displaystyle Y} sunt variabile aleatoare independente, ambele având distribuție normală {\ displaystyle {\ mathcal {N}} (0, \ sigma ^ {2})} .
Funcția sa de densitate a probabilității este
- {\ displaystyle f (z) = {\ frac {z} {\ sigma ^ {2}}} e ^ {- {\ frac {z ^ {2}} {2 \ sigma ^ {2}}}}} .
Acest lucru poate fi obținut direct din densitatea de probabilitate a distribuției normale, {\ displaystyle \ textstyle \ phi (x) = {\ frac {1} {\ sqrt {2 \ pi \ sigma ^ {2}}}} e ^ {- {\ frac {x ^ {2}} {2 \ sigma ^ {2}}}}} , exploatând izotropia vectorului {\ displaystyle (X, Y)} :
- {\ displaystyle f (z) = \ int _ {x ^ {2} + y ^ {2} = z ^ {2}} \ phi (x) \ phi (y) d \ mu = 2 \ pi z {\ frac {1} {2 \ pi \ sigma ^ {2}}} și ^ {- {\ frac {z ^ {2}} {2 \ sigma ^ {2}}}}} .
Funcția sa de distribuție este
- {\ displaystyle F (z) = 1-e ^ {- {\ frac {z ^ {2}} {2 \ sigma ^ {2}}}}} .
Variabila aleatorie {\ displaystyle kZ = {\ sqrt {(kX) ^ {2} + (kY) ^ {2}}}} urmează parametrul distribuția Rayleigh {\ displaystyle k ^ {2} \ sigma ^ {2}} .
Caracteristici
Variabila aleatorie {\ displaystyle Z} cu parametru distribuție Rayleigh {\ displaystyle \ sigma ^ {2}} are
- {\ displaystyle \ mu _ {n} = E [Z ^ {n}] = (2 \ sigma ^ {2}) ^ {\ frac {n} {2}} \ Gamma (1 + {\ tfrac {n} {2}})}
unde este {\ displaystyle \ Gamma} este funcția Gamma , cu {\ displaystyle \ Gamma ({\ tfrac {n} {2}} + 1) = {\ tfrac {n} {2}}!} de sine {\ displaystyle n} este chiar.
În special, acestea sunt obținute
- {\ displaystyle E [X] = {\ sqrt {{\ tfrac {\ pi} {2}} \ sigma ^ {2}}}} ;
- {\ displaystyle {\ text {Var}} (X) = E [X ^ {2}] - E [X] ^ {2} = 2 \ sigma ^ {2} - {\ tfrac {\ pi} {2} } \ sigma ^ {2} = {\ tfrac {4- \ pi} {2}} \ sigma ^ {2}} ;
- {\ displaystyle \ gamma _ {1} = {\ frac {2 {\ sqrt {\ pi}} {\ pi -3}} {(4- \ pi) ^ {\ frac {3} {2}}}} \ aproximativ 0,631} Și {\ displaystyle \ gamma _ {2} = - 2 {\ frac {3 \ pi ^ {2} -12 \ pi +8} {(4- \ pi) ^ {2}}} \ approx 0.245} .
Cuantilele {\ displaystyle q _ {\ alpha}} de ordine {\ displaystyle \ alpha} Sunt
- {\ displaystyle q _ {\ alpha} = {\ sqrt {2 \ sigma ^ {2} \ log {\ frac {1} {1- \ alpha}}}} ;
în special
- mediana este {\ displaystyle {\ sqrt {2 \ sigma ^ {2} \ log 2}} = {\ sqrt {\ sigma ^ {2} \ log 4}}} .
Statistici
Conform metodei probabilității maxime, estimatorul parametrului {\ displaystyle \ sigma ^ {2}} din {\ displaystyle n} variabile aleatoare independente cu aceeași distribuție Rayleigh este
- {\ displaystyle S ^ {2} = {\ frac {X_ {1} ^ {2} + ... + X_ {n} ^ {2}} {2n}}} .
Alte distribuții
De sine {\ displaystyle Z = {\ sqrt {X ^ {2} + Y ^ {2}}}} urmează parametrul distribuția Rayleigh {\ displaystyle \ sigma ^ {2}} asa de {\ displaystyle (Z / \ sigma) ^ {2}} urmează distribuția chi-pătrat {\ displaystyle \ chi ^ {2} (2)} , aceasta este distribuția exponențială {\ displaystyle {\ mathcal {E}} ({\ tfrac {1} {2}})} .
Distribuția Maxwell-Boltzmann extinde distribuția Rayleigh la trei dimensiuni, descriind distanța {\ displaystyle {\ sqrt {X ^ {2} + Y ^ {2} + Z ^ {2}}}} de la originea unui vector {\ displaystyle (X, Y, Z)} în spațiul euclidian tridimensional, ale cărui coordonate sunt independente și urmează aceeași lege normală centrată.
Distribuția orezului, pe de altă parte, generalizează poziția punctului {\ displaystyle (X, Y)} , luând {\ displaystyle X} Și {\ displaystyle Y} nu centrat.
Distribuția Weibull este, de asemenea, o generalizare a distribuției Rayleigh, oferind o interpolare între distribuția exponențială și distribuția Rayleigh.
Elemente conexe
Alte proiecte