Law törvénye
Törvény χ{\ displaystyle \ chi}
|
Valószínűségi sűrűség
|
|
|
Elosztási funkció
|
|
Beállítások
|
k∈{1,2,...}{\ displaystyle k \ in \ {1,2, \ dots \} \,}( szabadságfokok )
|
---|
Támogatás
|
x∈[0;∞[{\ displaystyle x \ itt: [0; \ infty [}
|
---|
Valószínűségi sűrűség
|
21-k/2xk-1e-x2/2Γ(k/2){\ displaystyle {\ frac {2 ^ {1-k / 2} x ^ {k-1} e ^ {- x ^ {2} / 2}} {\ Gamma (k / 2)}}}
|
---|
Elosztási funkció
|
P(k/2,x2/2){\ displaystyle P (k / 2, x ^ {2} / 2) \,}
|
---|
Remény
|
μ=2Γ((k+1)/2)Γ(k/2){\ displaystyle \ mu = {\ sqrt {2}} \, {\ frac {\ Gamma ((k + 1) / 2)} {\ Gamma (k / 2)}}}
|
---|
Divat
|
k-1{\ displaystyle {\ sqrt {k-1}} \,} mert k≥1{\ displaystyle k \ geq 1}
|
---|
Variancia
|
σ2=k-μ2{\ displaystyle \ sigma ^ {2} = k- \ mu ^ {2} \,}
|
---|
Aszimmetria
|
γ1=μσ3(1-2σ2){\ displaystyle \ gamma _ {1} = {\ frac {\ mu} {\ sigma ^ {3}}} \, (1-2 \ sigma ^ {2})}
|
---|
Normalizált kurtosis
|
2σ2(1-μσγ1-σ2){\ displaystyle {\ frac {2} {\ sigma ^ {2}}} (1- \ mu \ sigma \ gamma _ {1} - \ sigma ^ {2})}
|
---|
Entrópia
|
ln(Γ(k/2))+{\ displaystyle \ ln (\ Gamma (k / 2)) + \,} 12(k-ln(2)-(k-1)ψ0(k/2)){\ displaystyle \, {\ frac {1} {2}} (k \! - \! \ ln (2) \! - \! (k \! - \! 1) \ psi _ {0} (k / 2))}
|
---|
Pillanatgeneráló funkció
|
(lásd a részleteket a cikkben)
|
---|
Jellemző funkció
|
(lásd a részleteket a cikkben)
|
---|
A valószínűségszámítás és a statisztika , a törvényχ{\ displaystyle \ chi} (ejtsd: „chi”) egy törvény folytonos valószínűség . Ez a normál törvénytől független k véletlen változó középtörzsének törvénye, középre csökkentve, a k paraméter a szabadság fokainak száma . A leggyakoribb példa a Maxwell-törvény , amely k = 3 fokú szabadságának törvénye ; modellezi a molekuláris sebességet (normalizált).
χ{\ displaystyle \ chi}
Ha van olyan k független valószínűségi változók normális eloszlású és a szórás , akkor a változó
xén{\ displaystyle X_ {i}}μén{\ displaystyle \ mu _ {i}}σén{\ displaystyle \ sigma _ {i}}
Y=∑én=1k(xén-μénσén)2{\ displaystyle Y = {\ sqrt {\ sum _ {i = 1} ^ {k} \ balra ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ jobbra) ^ {2}}}}törvénye .
χ{\ displaystyle \ chi}
Jellemzések
Valószínűségi sűrűség
A törvény valószínűségi sűrűsége :
χ{\ displaystyle \ chi}
f(x;k)={21-k2xk-1e-x22Γ(k2) mert x>00 ha nem{\ displaystyle f (x; k) = {\ begin {cases} \ displaystyle {\ frac {2 ^ {1 - {\ frac {k} {2}}} x ^ {k-1} e ^ {- { \ frac {x ^ {2}} {2}}}} {\ Gamma ({\ frac {k} {2}})}} és {\ text {for}} x> 0 \\ 0 és {\ text {egyébként}} \ vég {esetek}}}hol van a gamma függvény .
Γ(z){\ displaystyle \ Gamma (z)}
Elosztási funkció
A törvény eloszlásfüggvénye :
χ{\ displaystyle \ chi}
F(x;k)={P(k2,x22) mert x>00 ha nem{\ displaystyle F (x; k) = {\ begin {cases} \ displaystyle P \ bal ({\ frac {k} {2}}, {\ frac {x ^ {2}} {2}} \ jobb) & {\ text {for}} x> 0 \\ 0 és {\ text {különben}} \ end {esetek}}}hol van a hiányos (rendszeresített) gammafunkció .
P(k,x){\ displaystyle P (k, x)}
Funkciók generálása
Pillanatgeneráló funkció
A pillanatok generátorfüggvényét a következők adják meg:
M(t)=M(k2,12,t22)+t2Γ(k+12)Γ(k2)M(k+12,32,t22).{\ displaystyle M (t) = M \ balra ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {t ^ {2}} {2}} \ jobbra ) + t {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2}})}} M \ balra ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {t ^ {2}} {2}} \ jobbra).}ahol M jelentése a konfluens hipergeometrikus funkcióját Kummer.
Jellemző funkció
A jellemző funkciót a következők adják:
φ(t;k)=M(k2,12,-t22)+ént2Γ(k+12)Γ(k2)M(k+12,32,-t22).{\ displaystyle \ varphi (t; k) = M \ balra ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {-t ^ {2}} {2 }} \ jobbra) + it {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2} })}} M \ balra ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {-t ^ {2}} {2}} \ jobbra) .}ahol M ismét Kummer összefolyó hipergeometrikus függvénye .
Tulajdonságok
Pillanatok
A törvény törvényének pillanatait a következők adják:
χ{\ displaystyle \ chi}
μj=2j/2Γ(k+j2)Γ(k2){\ displaystyle \ mu _ {j} = 2 ^ {j / 2} {\ frac {\ Gamma ({\ tfrac {k + j} {2}})} {\ Gamma ({\ tfrac {k} {2 }})}}}hol van a gamma függvény . Az első pillanatok a következők:
Γ(z){\ displaystyle \ Gamma (z)}
μ1=2Γ(k+12)Γ(k2){\ displaystyle \ mu _ {1} = {\ sqrt {2}} \, \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac { k} {2}})}}}
μ2=k{\ displaystyle \ mu _ {2} = k \,}
μ3=22Γ(k+32)Γ(k2)=(k+1)μ1{\ displaystyle \ mu _ {3} = 2 {\ sqrt {2}} \, \, {\ frac {\ Gamma ({\ tfrac {k + 3} {2}})} {\ Gamma ({\ tfrac {k} {2}})}} = (k + 1) \ mu _ {1}}
μ4=k(k+2){\ displaystyle \ mu _ {4} = k (k + 2) \,}
μ5.=42Γ(k+5.2)Γ(k2)=(k+1)(k+3)μ1{\ displaystyle \ mu _ {5} = 4 {\ sqrt {2}} \, \, {\ frac {\ Gamma ({\ tfrac {k + 5} {2}})} {\ Gamma ({\ tfrac {k} {2}})}} = (k + 1) (k + 3) \ mu _ {1}}
μ6.=k(k+2)(k+4){\ displaystyle \ mu _ {6} = k (k + 2) (k + 4) \,}
ahol a kifejezések a gamma függvény ismétlődő relációjából származnak:
Γ(x+1)=xΓ(x){\ displaystyle \ Gamma (x + 1) = x \ Gamma (x) \,}ezekből a kifejezésekből a következő összefüggéseket állapíthatjuk meg az elvárás , a variancia , az aszimmetria és végül a kurtosis esetében :
μ=2Γ(k+12)Γ(k2){\ displaystyle \ mu = {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2}} )}}}
σ2=k-μ2{\ displaystyle \ sigma ^ {2} = k- \ mu ^ {2} \,}
γ1=μσ3(1-2σ2){\ displaystyle \ gamma _ {1} = {\ frac {\ mu} {\ sigma ^ {3}}} \, (1-2 \ sigma ^ {2})}
γ2=2σ2(1-μσγ1-σ2){\ displaystyle \ gamma _ {2} = {\ frac {2} {\ sigma ^ {2}}} (1- \ mu \ sigma \ gamma _ {1} - \ sigma ^ {2})}
Entrópia
Az entrópiát a következők adják:
S=ln(Γ(k2))+12(k-ln(2)-(k-1)ψ0(k2)){\ displaystyle S = \ ln \ left (\ Gamma \ left ({\ frac {k} {2}} \ right) \ right) + {\ frac {1} {2}} \ left (k- \ ln ( 2) - (k-1) \ psi _ {0} \ balra ({\ frac {k} {2}} \ jobbra \ jobbra)}hol van a poligamma függvény .
ψ0(z){\ displaystyle \ psi _ {0} (z)}
Kapcsolat más törvényekkel
- Ha akkor , ( törvény χ² )x∼χk(x){\ displaystyle X \ sim \ chi _ {k} (x)}x2∼χk2{\ displaystyle X ^ {2} \ sim \ chi _ {k} ^ {2}}
-
limk→∞χk(x)-μkσk→d NEM(0,1){\ displaystyle \ lim _ {k \ to \ infty} {\ tfrac {\ chi _ {k} (x) - \ mu _ {k}} {\ sigma _ {k}}} {\ xrightarrow {d}} \ N (0,1) \,}, ( normál eloszlás )
- Ha akkor , ( félig normális eloszlás ) mindenkinekx∼χ1(x){\ displaystyle X \ sim \ chi _ {1} (x) \,}σx∼HNEM(σ){\ displaystyle \ sigma X \ sim HN (\ sigma) \,}σ>0{\ displaystyle \ sigma> 0 \,}
-
χ2(x)∼Rnál nélyleéngh(1){\ displaystyle \ chi _ {2} (x) \ sim \ mathrm {Rayleigh} (1) \,}, ( Rayleigh törvénye )
-
χ3(x)∼Mnál nélxwell(1){\ displaystyle \ chi _ {3} (x) \ sim \ mathrm {Maxwell} (1) \,}, ( Maxwell törvénye )
-
‖NEMén=1,...,k(0,1)‖∼χk(x){\ displaystyle \ | {\ boldsymbol {N}} _ {i = 1, \ ldots, k} {(0,1)} \ | \ sim \ chi _ {k} (x)}, (A norma az n változók a normális eloszlás van a törvény a k szabadságfokú.)χ{\ displaystyle \ chi}
- törvénye az általánosított gamma törvény speciális esete .χ{\ displaystyle \ chi}
Különböző törvények ésχ{\ displaystyle \ chi}χ2{\ displaystyle \ chi ^ {2}}
Törvények |
a normális eloszlási változók függvényében
|
---|
törvény χ² |
∑én=1k(xén-μénσén)2{\ displaystyle \ sum _ {i = 1} ^ {k} \ balra ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ jobbra) ^ {2} }
|
law² törvény nem központosított |
∑én=1k(xénσén)2{\ displaystyle \ sum _ {i = 1} ^ {k} \ balra ({\ frac {X_ {i}} {\ sigma _ {i}}} \ jobbra) ^ {2}}
|
törvény χ |
∑én=1k(xén-μénσén)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ bal ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ jobb) ^ {2}}}}
|
törvény a χ nem központosított |
∑én=1k(xénσén)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ balra ({\ frac {X_ {i}} {\ sigma _ {i}}} \ jobbra) ^ {2}}}}
|
Külső linkek
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">