Завернутое распространение
В теории вероятностей и направленной статистике завернутое распределение вероятностей представляет собой непрерывное распределение вероятностей , которое описывает точки данных, лежащие на единичной n -сфере . В одном измерении завернутое распределение состоит из точек на единичном круге . Если является случайной величиной в интервале с функцией плотности вероятности (PDF) , затем — циклическая переменная, распределяемая в соответствии с обернутым распределением и — угловая переменная в интервале распределяется в соответствии с завернутым дистрибутивом .
Любая функция плотности вероятности на линии можно «обернуть» окружность окружности единичного радиуса. [1] То есть PDF-файл обернутой переменной
- в некотором интервале длины
является
которая представляет собой периодическую сумму периодов . Предпочтительный интервал обычно составляет для чего .
Теория
[ редактировать ]В большинстве ситуаций процесс, включающий циклическую статистику, дает углы ( ), лежащие в интервале и описываются «развёрнутой» функцией плотности вероятности . Однако измерение даст угол лежащий в некотором интервале длины (например, от 0 до ). Другими словами, измерение не может сказать, является ли истинный угол или завернутый угол , где какое-то неизвестное целое число, было измерено.
Если мы хотим вычислить ожидаемое значение некоторой функции измеренного угла, это будет:
- .
Интеграл можно выразить как сумму интегралов за периоды :
- .
Изменение переменной интегрирования на и поменяв порядок интегрирования и суммирования, получим
где это PDF-файл завернутого дистрибутива и еще одно неизвестное целое число . Неизвестное целое число вносит неоднозначность в ожидаемое значение , аналогично задаче вычисления среднего углового значения . Эту проблему можно решить, введя параметр , с имеет однозначное отношение к истинному углу :
- .
Вычисление ожидаемого значения функции даст однозначные ответы:
- .
По этой причине параметр предпочтительнее измеренных углов в круговом статистическом анализе. Это предполагает, что завернутую функцию распределения можно выразить как функцию такой, что:
где определяется так , что . Эту концепцию можно распространить на многомерный контекст путем расширения простой суммы до ряда суммы, охватывающие все измерения в пространстве признаков:
где это й евклидов базисный вектор.
Выражение через характеристические функции
[ редактировать ]Фундаментальным обернутым распределением является гребенка Дирака , которая представляет собой обернутую дельта-функцию Дирака :
- .
Используя дельта-функцию, можно записать общее обернутое распределение.
- .
Поменяв порядок суммирования и интегрирования, любое завернутое распределение можно записать как свертку развернутого распределения и гребенки Дирака:
- .
Гребень Дирака также можно выразить как сумму экспонент, поэтому мы можем написать:
- .
Опять меняя порядок суммирования и интегрирования:
- .
Используя определение , характеристическая функция дает ряд Лорана около нуля для развернутого распределения в терминах характеристической функции развернутого распределения:
или
Аналогично линейным распределениям, называется характеристической функцией свернутого распределения (или, точнее, характеристической последовательностью ). [2] Это пример формулы суммирования Пуассона , и можно видеть, что коэффициенты ряда Фурье для свернутого распределения — это просто коэффициенты преобразования Фурье развернутого распределения при целочисленных значениях.
Моменты
[ редактировать ]Моменты завернутого дистрибутива определяются как:
- .
Выражение в терминах характеристической функции и меняя порядок интегрирования и суммирования дает:
- .
Из теоремы о вычетах имеем
где – дельта- функция Кронекера. Отсюда следует, что моменты просто равны характеристической функции развернутого распределения для целочисленных аргументов:
- .
Генерация случайных величин
[ редактировать ]Если это случайная величина, полученная из линейного распределения вероятностей , затем представляет собой круговую переменную, распределенную в соответствии с обернутым распространение и - это угловая переменная, распределенная в соответствии с обернутым распространение, с .
Энтропия
[ редактировать ]Информационная энтропия кругового распределения с плотностью вероятности определяется как:
где любой интервал длины . [1] Если и плотность вероятности, и ее логарифм могут быть выражены в виде ряда Фурье (или, в более общем смысле, любого интегрального преобразования на окружности), ортогональный базис ряда можно использовать для получения в замкнутой форме выражения энтропии .
Моменты раздачи – коэффициенты Фурье для разложения плотности вероятности в ряд Фурье:
- .
Если логарифм плотности вероятности также можно выразить в виде ряда Фурье:
где
- .
Тогда, поменяв порядок интегрирования и суммирования, энтропию можно записать как:
- .
Используя ортогональность базиса Фурье, интеграл можно свести к:
- .
Для частного случая, когда плотность вероятности симметрична относительно среднего значения, а логарифм можно записать:
и
и, поскольку нормализация требует, чтобы , энтропию можно записать:
- .
См. также
[ редактировать ]- Завернутое нормальное распределение
- Завернутое распределение Коши
- Обернутое экспоненциальное распределение
Ссылки
[ редактировать ]![]() | Эта статья включает список общих ссылок , но в ней отсутствуют достаточные соответствующие встроенные цитаты . ( Июль 2011 г. ) |
- ^ Jump up to: а б Мардия, Кантон ; Юпп, Питер Э. (1999). Направленная статистика . Уайли. ISBN 978-0-471-95333-3 .
- ^ Мардия, К. (1972). Статистика направленных данных . Нью-Йорк: Академическая пресса. ISBN 978-1-4832-1866-3 .
- Боррадейл, Грэм (2003). Статистика данных наук о Земле . Спрингер. ISBN 978-3-540-43603-4 .
- Фишер, Нью-Йорк (1996). Статистический анализ круговых данных . Издательство Кембриджского университета. ISBN 978-0-521-56890-6 .
Внешние ссылки
[ редактировать ]- Математика и статистика круговых значений с C++11 . Инфраструктура C++11 для математики и статистики круговых значений (углы, время суток и т. д.).