В теории вероятностей и направленной статистике , A , завернутое распределение вероятностей является непрерывным распределением вероятностей , которая описывает точки данных , которые лежат на единице п -сферы . В одном измерении обернутое распределение будет состоять из точек на единичной окружности . Если φ - случайная величина в интервале (-∞, ∞) с функцией плотности вероятности p (φ) , то z = e i φ будет круговой переменной, распределенной согласно свернутому распределению p zw (z) и θ = arg (z)будет угловой переменной в интервале (-π, π], распределенной согласно свернутому распределению p w (θ) .
Любую функцию плотности вероятности (pdf) на линии можно «обернуть» по окружности круга единичного радиуса. [1] То есть PDF-файл обернутой переменной
- в некотором интервале длины
является
которая представляет собой периодическую сумму за период . Предпочтительный интервал , как правило , для которых
Теория [ править ]
В большинстве ситуаций процесс, включающий круговую статистику, создает углы ( ), которые лежат в интервале от отрицательной бесконечности до положительной бесконечности и описываются функцией плотности вероятности "развернутой" . Однако измерение даст «измеренный» угол, который лежит в некотором интервале длины (например ). Другими словами, измерение не может сказать, был ли измерен «истинный» угол или измерен «свернутый» угол , где a - некоторое неизвестное целое число. То есть:
Если мы хотим рассчитать ожидаемое значение некоторой функции измеренного угла, оно будет:
Мы можем выразить интеграл как сумму интегралов за периоды (например, от 0 до ):
Заменив переменную интегрирования на и поменяв порядок интегрирования и суммирования, мы имеем
где - это PDF-файл "завернутого" распределения, а a ' - другое неизвестное целое число (a' = a + k). Можно видеть, что неизвестное целое число a ' вносит неоднозначность в математическое ожидание . Конкретный пример этой проблемы встречается при попытке взять среднее значение набора измеренных углов . Если вместо измеренных углов ввести параметр, то будет видно, что z имеет однозначное отношение к «истинному» углу, поскольку:
Вычисление математического ожидания функции z даст однозначный ответ:
и именно по этой причине параметр z является предпочтительной статистической переменной для использования в циклическом статистическом анализе, а не измеренных углов . Это предполагает, и это показано ниже, что обернутая функция распределения может быть выражена как функция от z, так что:
где будет определен таким образом, что . Эта концепция может быть расширена до многомерного контекста путем расширения простой суммы до ряда сумм, охватывающих все измерения в пространстве признаков:
где - евклидов базисный вектор.
Выражение в терминах характеристических функций [ править ]
Основным обернутым распределением является гребенка Дирака, которая представляет собой обернутую дельта-функцию Дирака :
Используя дельта-функцию, можно записать общее упакованное распределение
Меняя порядок суммирования и интегрирования, любое свернутое распределение можно записать как свертку «развернутого» распределения и гребенки Дирака:
Гребень Дирака также может быть выражен как сумма экспонент, поэтому мы можем написать:
снова поменяв порядок суммирования и интегрирования,
используя определение , на характеристическую функцию из , дает ряд Лорана около нуля для обернутого распределения в терминах характеристической функции развернутого распределения: [2]
или же
По аналогии с линейными распределениями, они называются характеристической функцией свернутого распределения [2] (или, возможно, более точно, характеристической последовательностью ). Это пример формулы суммирования Пуассона, и можно видеть, что коэффициенты Фурье ряда Фурье для свернутого распределения являются просто коэффициентами Фурье преобразования Фурье развернутого распределения при целочисленных значениях.
Моменты [ править ]
Моменты обернутого распределения определяются как:
Выражение в терминах характеристической функции и изменение порядка интегрирования и суммирования дает:
Из теории вычетов имеем
где - дельта- функция Кронекера . Отсюда следует, что моменты просто равны характеристической функции развернутого распределения для целочисленных аргументов:
Генерация случайных величин [ править ]
Если X - случайная переменная, полученная из линейного распределения вероятностей P , тогда будет круговая переменная, распределенная согласно свернутому P- распределению, и будет угловая вариация, распределенная согласно свернутому P- распределению, с .
Энтропия [ править ]
Информационная энтропия кругового распределения с плотностью вероятности определяются следующим образом: [1]
где - любой интервал длины . Если и плотность вероятности, и ее логарифм могут быть выражены как ряд Фурье (или, в более общем смысле, любое интегральное преобразование на окружности), то свойство ортогональности может использоваться для получения последовательного представления энтропии, которое может быть приведено к замкнутой форме .
Моменты распределения - это коэффициенты Фурье для разложения плотности вероятности в ряд Фурье:
Если логарифм плотности вероятности также можно выразить в виде ряда Фурье:
куда
Затем, поменяв порядок интегрирования и суммирования, энтропия может быть записана как:
Используя ортогональность базиса Фурье, интеграл можно свести к:
Для частного случая, когда плотность вероятности симметрична относительно среднего, и логарифм можно записать:
и
и, так как нормализация требует , чтобы энтропия может быть записана:
См. Также [ править ]
- Обернутое нормальное распределение
- Обернутое распределение Коши
- Обернутое экспоненциальное распределение
Ссылки [ править ]
Эта статья включает в себя список общих ссылок , но он остается в основном непроверенным, поскольку в нем отсутствуют соответствующие встроенные ссылки . Июль 2011 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) ( |
- ^ а б Мардиа, Кантилал ; Джапп, Питер Э. (1999). Направленная статистика . Вайли. ISBN 978-0-471-95333-3. Проверено 19 июля 2011 года .
- ^ a b Мардиа, К. (1972). Статистика направленных данных . Нью-Йорк: Академическая пресса.
- Боррадейл, Грэм (2003). Статистика данных наук о Земле . Springer. ISBN 978-3-540-43603-4.
- Фишер, Н.И. (1996). Статистический анализ циркулярных данных . Издательство Кембриджского университета. ISBN 978-0-521-56890-6.
Внешние ссылки [ править ]
- Математика и статистика круговых значений с помощью инфраструктуры C ++ 11 , C ++ 11 для круговых значений (углов, времени суток и т. Д.), Математики и статистики