Lov af χ
Lov om χ{\ displaystyle \ chi}
|
Sandsynlighedstæthed
|
|
|
Distributionsfunktion
|
|
Indstillinger
|
k∈{1,2,...}{\ displaystyle k \ in \ {1,2, \ dots \} \,}( frihedsgrader )
|
---|
Support
|
x∈[0;∞[{\ displaystyle x \ i [0; \ infty [}
|
---|
Sandsynlighedstæthed
|
21-k/2xk-1e-x2/2Γ(k/2){\ displaystyle {\ frac {2 ^ {1-k / 2} x ^ {k-1} e ^ {- x ^ {2} / 2}} {\ Gamma (k / 2)}}}
|
---|
Distributionsfunktion
|
P(k/2,x2/2){\ displaystyle P (k / 2, x ^ {2} / 2) \,}
|
---|
Håber
|
μ=2Γ((k+1)/2)Γ(k/2){\ displaystyle \ mu = {\ sqrt {2}} \, {\ frac {\ Gamma ((k + 1) / 2)} {\ Gamma (k / 2)}}}
|
---|
Mode
|
k-1{\ displaystyle {\ sqrt {k-1}} \,} til k≥1{\ displaystyle k \ geq 1}
|
---|
Variation
|
σ2=k-μ2{\ displaystyle \ sigma ^ {2} = k- \ mu ^ {2} \,}
|
---|
Asymmetri
|
γ1=μσ3(1-2σ2){\ displaystyle \ gamma _ {1} = {\ frac {\ mu} {\ sigma ^ {3}}} \, (1-2 \ sigma ^ {2})}
|
---|
Normaliseret kurtose
|
2σ2(1-μσγ1-σ2){\ displaystyle {\ frac {2} {\ sigma ^ {2}}} (1- \ mu \ sigma \ gamma _ {1} - \ sigma ^ {2})}
|
---|
Entropi
|
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))}
|
---|
Moment-genererende funktion
|
(se detaljer i artiklen)
|
---|
Karakteristisk funktion
|
(se detaljer i artiklen)
|
---|
I sandsynlighedsteori og statistik er loven omχ{\ displaystyle \ chi} (udtales "chi") en lov med kontinuerlig sandsynlighed . Det er loven for rodmiddelkvadraten af k tilfældige variabler uafhængig af normal lov centreret reduceret, parameteren k er antallet af frihedsgrader . Det mest almindelige eksempel er Maxwells lov , for k = 3 frihedsgrader for en lov af ; det modellerer den molekylære hastighed (normaliseret).
χ{\ displaystyle \ chi}
Hvis der er k uafhængige tilfældige variabler for normalfordeling med gennemsnit og standardafvigelse , så er variablen
xjeg{\ displaystyle X_ {i}}μjeg{\ displaystyle \ mu _ {i}}σjeg{\ displaystyle \ sigma _ {i}}
Y=∑jeg=1k(xjeg-μjegσjeg)2{\ displaystyle Y = {\ sqrt {\ sum _ {i = 1} ^ {k} \ left ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ højre) ^ {2}}}}er loven om .
χ{\ displaystyle \ chi}
Karakteriseringer
Sandsynlighedstæthed
Den sandsynlighedsfordeling af loven af IS:
χ{\ displaystyle \ chi}
f(x;k)={21-k2xk-1e-x22Γ(k2) til x>00 hvis ikke{\ 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}})}} og {\ text {for}} x> 0 \\ 0 & {\ text {ellers}} \ end {cases}}}hvor er gammafunktionen .
Γ(z){\ displaystyle \ Gamma (z)}
Distributionsfunktion
Den fordelingsfunktionen for loven af IS:
χ{\ displaystyle \ chi}
F(x;k)={P(k2,x22) til x>00 hvis ikke{\ displaystyle F (x; k) = {\ begin {cases} \ displaystyle P \ left ({\ frac {k} {2}}, {\ frac {x ^ {2}} {2}} \ right) & {\ text {for}} x> 0 \\ 0 & {\ text {ellers}} \ end {cases}}}hvor er den ufuldstændige (regulerede) gammafunktion .
P(k,x){\ displaystyle P (k, x)}
Generering af funktioner
Moment-genererende funktion
Momentfunktionens generatorfunktion er givet ved:
M(t)=M(k2,12,t22)+t2Γ(k+12)Γ(k2)M(k+12,32,t22).{\ displaystyle M (t) = M \ venstre ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {t ^ {2}} {2}} \ højre ) + t {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2}})}} M \ venstre ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {t ^ {2}} {2}} \ højre).}hvor M er den sammenflydende hypergeometriske funktion af Kummer.
Karakteristisk funktion
Den karakteristiske funktion er givet ved:
φ(t;k)=M(k2,12,-t22)+jegt2Γ(k+12)Γ(k2)M(k+12,32,-t22).{\ displaystyle \ varphi (t; k) = M \ left ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {-t ^ {2}} {2 }} \ højre) + det {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2} })}} M \ venstre ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {-t ^ {2}} {2}} \ højre) .}hvor M igen er den sammenflydende hypergeometriske funktion af Kummer.
Ejendomme
Øjeblikke
De øjeblikke i loven i er givet ved:
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 }})}}}hvor er gamma-funktionen . De første øjeblikke er:
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+52)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) \,}
hvor udtrykkene kommer fra gammafunktionens gentagelsesforhold:
Γ(x+1)=xΓ(x){\ displaystyle \ Gamma (x + 1) = x \ Gamma (x) \,}ud fra disse udtryk kan vi etablere følgende relationer for forventning , varians , asymmetri og endelig kurtose :
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})}
Entropi
Den entropi er givet ved:
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} \ venstre ({\ frac {k} {2}} \ højre) \ højre)}hvor er polygamma-funktionen .
ψ0(z){\ displaystyle \ psi _ {0} (z)}
Links til andre love
- Hvis da , ( lov af χ² )x∼χk(x){\ displaystyle X \ sim \ chi _ {k} (x)}x2∼χk2{\ displaystyle X ^ {2} \ sim \ chi _ {k} ^ {2}}
-
limk→∞χk(x)-μkσk→d IKKE(0,1){\ displaystyle \ lim _ {k \ to \ infty} {\ tfrac {\ chi _ {k} (x) - \ mu _ {k}} {\ sigma _ {k}}} {\ xrightarrow {d}} \ N (0,1) \,}, ( normalfordeling )
- Hvis så , ( halv normal fordeling ) for allex∼χ1(x){\ displaystyle X \ sim \ chi _ {1} (x) \,}σx∼HIKKE(σ){\ displaystyle \ sigma X \ sim HN (\ sigma) \,}σ>0{\ displaystyle \ sigma> 0 \,}
-
χ2(x)∼Rpåylejeggh(1){\ displaystyle \ chi _ {2} (x) \ sim \ mathrm {Rayleigh} (1) \,}, ( Rayleighs lov )
-
χ3(x)∼Mpåxwell(1){\ displaystyle \ chi _ {3} (x) \ sim \ mathrm {Maxwell} (1) \,}, ( Maxwells lov )
-
‖IKKEjeg=1,...,k(0,1)‖∼χk(x){\ displaystyle \ | {\ boldsymbol {N}} _ {i = 1, \ ldots, k} {(0,1)} \ | \ sim \ chi _ {k} (x)}, ( normen for n variabler for normalfordeling er af loven med k frihedsgrader.)χ{\ displaystyle \ chi}
- loven om er et specielt tilfælde af den generaliserede gammalov .χ{\ displaystyle \ chi}
Forskellige love om ogχ{\ displaystyle \ chi}χ2{\ displaystyle \ chi ^ {2}}
Love |
som en funktion af normalfordelingsvariabler
|
---|
lov af χ² |
∑jeg=1k(xjeg-μjegσjeg)2{\ displaystyle \ sum _ {i = 1} ^ {k} \ left ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ right) ^ {2} }
|
lov af not² ikke centreret |
∑jeg=1k(xjegσjeg)2{\ displaystyle \ sum _ {i = 1} ^ {k} \ left ({\ frac {X_ {i}} {\ sigma _ {i}}} \ right) ^ {2}}
|
lov af χ |
∑jeg=1k(xjeg-μjegσjeg)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ left ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ højre) ^ {2}}}}
|
lov af χ ikke centreret |
∑jeg=1k(xjegσjeg)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ left ({\ frac {X_ {i}} {\ sigma _ {i}}} \ right) ^ {2}}}}
|
eksterne links
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">