распределение вероятностей
Функция плотности вероятности . μ = 1, σ = 1 |
Кумулятивная функция распределения . μ = 1, σ = 1 |
Параметры | μ ∈ R(местоположение ). σ>0 (масштаб ) |
---|
Поддержка | x ∈ [0, ∞) |
---|
PDF | |
---|
CDF | |
---|
Среднее | |
---|
Дисперсия | |
---|
сложенное нормальное распределение - это распределение вероятностей, связанное с нормальным распределением. Для нормально распределенной случайной величины X с средним μ и дисперсией σ, случайная величина Y = | X | имеет сложенное нормальное распределение. Такой случай может возникнуть, если записана только величина некоторой переменной, но не ее знак. Распределение называется «свернутым», потому что вероятностная масса слева от x = 0 свернута, принимая абсолютное значение. В физике теплопроводности сложенное нормальное распределение является фундаментальным решением уравнения теплопроводности на полупространстве; это соответствует наличию идеального изолятора на гиперплоскости через начало координат.
Содержание
- 1 Определения
- 2 Свойства
- 2.1 Режим
- 2.2 Характеристическая функция и другие связанные функции
- 3 Связанные распределения
- 4 Статистический вывод
- 5 См. Также
- 6 Ссылки
- 7 Внешние ссылки
Определения
Плотность
функция плотности вероятности (PDF) определяется выражением
для x ≥ 0 и 0 для всех остальных. Альтернативная формулировка дается следующим образом:
- ,
где cosh - косинус Гиперболическая функция. Отсюда следует, что кумулятивная функция распределения (CDF) определяется как:
для x ≥ 0, где erf () - это функция ошибок. Это выражение сводится к CDF полунормального распределения, когда μ = 0.
Среднее значение сложенного распределения тогда
или
где - это функция нормального кумулятивного распределения :
Тогда дисперсия легко выражается через среднее значение:
И среднее (μ), и дисперсию (σ) X в исходном нормальном распределении можно интерпретировать как параметры положения и масштаба Y в сложенном распределении.
Свойства
Режим
Режим распределения - это значение , для которого плотность максимальна. Чтобы найти это значение, мы берем первую производную плотности по и устанавливаем ее равной нулю. К сожалению, закрытой формы нет. Однако мы можем записать производную лучше и в итоге получить нелинейное уравнение
.
Цагрис и др. (2014) из численного исследования показал, что когда , максимум достигается, когда , и когда становится больше, чем , максимум приближается к . Конечно, этого следовало ожидать, поскольку в этом случае свернутая нормаль сходится к нормальному распределению. Чтобы избежать проблем с отрицательными отклонениями, предлагается возведение параметра в степень. В качестве альтернативы вы можете добавить ограничение, например, если оптимизатор выберет отрицательную дисперсию, значение логарифмической вероятности будет NA или что-то очень маленькое.
Характеристическая функция и другие связанные функции
- Характеристическая функция определяется как
.
- Производящая функция момента определяется выражением
.
- Кумулянтная производящая функция определяется как
.
- Преобразование Лапласа задается формулой
.
- Преобразование Фурье задается формулой
.
Связанные распределения
- Когда μ = 0, распределение Y является полунормальным распределением.
- Случайная величина (Y / σ) имеет нецентральное распределение хи-квадрат с 1 степенью свободы и нецентральность равна (μ / σ).
- Сложенное нормальное распределение также можно рассматривать как предел сложенного нестандартизованного t-распределения, когда степени свободы стремятся к бесконечности.
- Существует двумерная версия, разработанная Псаракисом и Панаретосом (2001), а также многомерная версия, разработанная Чакраборти и Мутуши (2013).
- Распределение риса является многомерное обобщение свернутого нормального распределения.
Статистический вывод
Оценка параметров
Есть е несколько способов оценки параметров свернутой нормали. Все они, по сути, являются процедурой оценки максимального правдоподобия, но в некоторых случаях выполняется численная максимизация, в то время как в других случаях выполняется поиск корня уравнения. Логарифмическая вероятность свернутой нормали, когда доступна выборка размером , может быть записывается следующим образом
В R (язык программирования) с использованием пакета Rfast можно получить MLE очень быстро (команда foldnorm.mle
). В качестве альтернативы этому распределению подойдет команда optim или nlm. Максимизировать легко, поскольку задействованы два параметра (и ). Обратите внимание, что как положительные, так и отрицательные значения для приемлемы, поскольку принадлежит реальной линии. чисел, следовательно, знак не важен, потому что распределение симметрично относительно него. Следующий код записывается в R
свернутом <- function(y) { ## y is a vector with positive data n <- length(y) ## sample size sy2 <- sum(y^2) sam <- function(para, n, sy2) { me <- para[1] ; se <- exp( para[2]) f <- - n/2 * log(2/pi/se) + n * me^2 / 2 / se + sy2 / 2 / se - sum( log( cosh( me * y/se))) f } mod <- optim( c( mean(y), sd(y)), n = n, sy2 = sy2, sam, control = list(maxit = 2000)) mod <- optim( mod$par, sam, n = n, sy2 = sy2, control = list(maxit = 20000)) result <- c( -mod$value, mod$par[1], exp(mod$par[2])) names(result) <- c("log-likelihood", "mu", "sigma squared") result }
. Частные производные логарифмической вероятности записываются как
.
Приравнивая первую частную производную логарифмического правдоподобия нулю, мы получаем хорошее соотношение
.
Обратите внимание, что у приведенного выше уравнения есть три решения, одно равное нулю и еще два с противоположным знаком. Подставляя указанное выше уравнение в частную производную логарифма правдоподобия по и приравнивая ее к нулю, мы получаем следующее выражение для дисперсия
,
, которая является той же формулой, что и в нормальном распределении. Основное различие здесь заключается в том, что и не являются статистически независимыми. Вышеупомянутые отношения могут использоваться для получения оценок максимального правдоподобия эффективным рекурсивным способом. Начнем с начального значения для и находим положительный корень () последнего уравнения. Затем мы получаем обновленное значение . Процедура повторяется до тех пор, пока изменение значения логарифмической вероятности не станет незначительным. Другой более простой и эффективный способ - выполнить алгоритм поиска. Запишем последнее уравнение более элегантно
.
Становится ясно, что оптимизация логарифмической вероятности по двум параметрам превратилась в корневой поиск функции. Это, конечно, идентично предыдущему корневому поиску. Цагрис и др. (2014) обнаружили, что у этого уравнения есть три корня для , т.е. есть три возможных значения , удовлетворяющие этому уравнению. и , которые представляют собой оценки максимального правдоподобия, и 0, что соответствует до минимальной логарифмической вероятности.
См. Также
Ссылки
- Tsagris, M.; Beneki, C.; Хассани, Х. (2014). «О сложенном нормальном распределении». Математика. 2 (1): 12–28. arXiv : 1402.3559.
- Леоне ФК, Ноттингем, РБ, Нельсон Л.С. (1961). «Свернутое нормальное распределение». Технометрика. 3 (4): 543–550. DOI : 10.2307 / 1266560. HDL : 2027 / mdp.39015095248541. JSTOR 1266560.
- Джонсон Н.Л. (1962). «Сложенное нормальное распределение: точность оценки по максимальному правдоподобию». Технометрика. 4 (2): 249–256. doi : 10.2307 / 1266622. JSTOR 1266622.
- Нельсон Л.С. (1980). «Свернутое нормальное распределение». J Qual Technol. 12 (4): 236–238.
- Эландт Р.К. (1961). «Сложенное нормальное распределение: два метода оценки параметров по моментам». Технометрика. 3 (4): 551–562. DOI : 10.2307 / 1266561. JSTOR 1266561.
- Лин ПК (2005). «Применение обобщенного складчато-нормального распределения к мерам возможностей процесса». Int J Adv Manuf Technol. 26 (7–8): 825–830. doi : 10.1007 / s00170-003-2043-x.
- Psarakis, S.; Панаретос, Дж. (1990). «Свернутое t-распределение». Коммуникации в статистике - теория и методы. 19 (7): 2717–2734.
- Psarakis, S.; Панаретос, Дж. (2001). «О некоторых двумерных расширениях свернутого нормального и свернутого t-распределений». Журнал прикладной статистической науки. 10 (2): 119–136.
- Чакраборти, А.К.; Мутуши, К. (2013). «О многомерном сложенном нормальном распределении». Санкхья Б. 75 (1): 1–15.
Внешние ссылки