Foldet normal lov
I sandsynlighedsteori og statistik er den foldede normale lov (eller loven om deformitet ) en kontinuerlig sandsynlighedslov knyttet til den normale lov . Overvej en tilfældig variabel af normalfordeling med gennemsnit og varians , så er den tilfældige variabel foldet normalfordeling. Således tæller vi kun værdien af variablen, men ikke dens tegn.
x{\ displaystyle X}μ{\ displaystyle \ mu}σ2{\ displaystyle \ sigma ^ {2}}Y=|x|{\ displaystyle Y = | X |}
Udtrykket "foldet" stammer fra det faktum, at tætheden af "venstre" lov på x = 0 foldes over den "højre" del af x = 0 ved at tage den absolutte værdi.
Karakteriseringer
Tæthedsfunktion
Den sandsynlighedstæthedsfunktion er givet ved:
fY(x)={1σ2πeksp(-(-x-μ)22σ2)+1σ2πeksp(-(x-μ)22σ2) til x≥00 hvis ikke.{\ displaystyle f_ {Y} (x) = {\ begin {cases} {\ displaystyle {\ frac {1} {\ sigma {\ sqrt {2 \ pi}}}} \, \ exp \ left (- {\ frac {(-x- \ mu) ^ {2}} {2 \ sigma ^ {2}}} \ højre) + {\ frac {1} {\ sigma {\ sqrt {2 \ pi}}}} \, \ exp \ left (- {\ frac {(x- \ mu) ^ {2}} {2 \ sigma ^ {2}}} \ right)} & {\ text {for}} x \ geq 0 \\ 0 & {\ tekst {ellers.}} \ end {cases}}}
Distributionsfunktion
Den fordelingsfunktionen er givet ved:
FY(y)={∫0y1σ2π[eksp(-(-x-μ)22σ2)+eksp(-(x-μ)22σ2)]dx. til y≥00 hvis ikke.{\ displaystyle F_ {Y} (y) = {\ begin {cases} {\ displaystyle \ int _ {0} ^ {y} {\ frac {1} {\ sigma {\ sqrt {2 \ pi}}}} \ left [\ exp \ left (- {\ frac {(-x- \ mu) ^ {2}} {2 \ sigma ^ {2}}} \ right) + \ exp \ left (- {\ frac {( x- \ mu) ^ {2}} {2 \ sigma ^ {2}}} \ højre) \ højre] \ mathrm {d} x.} & {\ text {for}} y \ geq 0 \\ 0 & {\ text {ellers.}} \ end {cases}}}Ved hjælp af ændringen af variablen kan vi omskrive
z=(x-μ)/σ{\ displaystyle z = (x- \ mu) / \ sigma}
FY(y)=∫-μ/σ(y-μ)/σ12πeksp(-12(z+2μσ)2)dz+∫-μ/σ(y-μ)/σ12πeksp(-z22)dz.{\ displaystyle F_ {Y} (y) = \ int _ {- \ mu / \ sigma} ^ {(y- \ mu) / \ sigma} {\ frac {1} {\ sqrt {2 \ pi}}} \, \ exp \ left (- {\ frac {1} {2}} \ left (z + {\ frac {2 \ mu} {\ sigma}} \ right) ^ {2} \ right) \ mathrm {d } z + \ int _ {- \ mu / \ sigma} ^ {(y- \ mu) / \ sigma} {\ frac {1} {\ sqrt {2 \ pi}}} \, \ exp \ left (- {\ frac {z ^ {2}} {2}} \ højre) \ mathrm {d} z.}På samme måde kan vi bruge ændringen af variablen i den første integral og i den anden
z=-(x+μ)/σ2{\ displaystyle z = - (x + \ mu) / \ sigma {\ sqrt {2}}}z=(x-μ)/2σ{\ displaystyle z = (x- \ mu) / {\ sqrt {2}} \ sigma}
FY(y)=12[erf(y+μ2σ)+erf(y-μ2σ)],{\ displaystyle F_ {Y} (y) = {\ frac {1} {2}} \ left [{\ mbox {erf}} \ left ({\ frac {y + \ mu} {{\ sqrt {2} } \ sigma}} \ højre) + {\ mbox {erf}} \ venstre ({\ frac {y- \ mu} {{\ sqrt {2}} \ sigma}} \ højre) \ højre],}hvor erf er fejlfunktionen . Vi finder derefter den halvnormale lov, når μ = 0 .
Ejendomme
Det håb er givet ved:
E(Y)=σ2πeksp(-μ22σ2)+μ[1-2Φ(-μσ)],{\ displaystyle \ mathbb {E} (Y) = \ sigma {\ sqrt {\ frac {2} {\ pi}}} \ exp \ left (- {\ frac {\ mu ^ {2}} {2 \ sigma ^ {2}}} \ højre) + \ mu \ venstre [1-2 \ Phi \ venstre (- {\ frac {\ mu} {\ sigma}} \ højre) \ højre],}hvor Φ (•) er fordelingsfunktionen for standardnormalfordelingen.
Den varians er givet ved:
Var(Y)=μ2+σ2-{σ2πeksp(-μ22σ2)+μ[1-2Φ(-μσ)]}2.{\ displaystyle \ operatorname {Var} (Y) = \ mu ^ {2} + \ sigma ^ {2} - \ left \ {\ sigma {\ sqrt {\ frac {2} {\ pi}}} \ exp \ venstre (- {\ frac {\ mu ^ {2}} {2 \ sigma ^ {2}}} \ højre) + \ mu \ venstre [1-2 \ Phi \ venstre (- {\ frac {\ mu} { \ sigma}} \ højre) \ højre] \ højre \} ^ {2}.}Disse to værdier, forventning og varians, kan ses som position og skala parametre for den nye lov.
Links til andre love
Referencer
-
H. Sombstay og T. Nguyen Huu , “ Variation i en produktion under hensyntagen til formfejl ”, anvendt Revue de statistik , vol. 6, n o 1,1958, s. 17-36 ( læs online )
- (en) Leone FC, Nottingham RB, Nelson LS, " The Folded Normal Distribution " , Technometrics , Technometrics, Vol. 3, nr. 4, bind 3, nr . 4,1961, s. 543–550 ( DOI 10.2307 / 1266560 , JSTOR 1266560 )
- (en) Johnson NL, " Den foldede normalfordeling: estimeringens nøjagtighed efter maksimal sandsynlighed " , Technometrics , Technometrics, Vol. 4, nr. 2, bind. 4, n o 21962, s. 249–256 ( DOI 10.2307 / 1266622 , JSTOR 1266622 )
- (en) Nelson LS, " The Folded Normal Distribution " , J Qual Technol , bind. 12, nr . 4,1980, s. 236-238
- (en) Elandt RC, " Den foldede normalfordeling: to metoder til estimering af parametre fra øjeblikke " , Technometrics , Technometrics, Vol. 3, nr. 4, bind. 3, nr . 4,1961, s. 551–562 ( DOI 10.2307 / 1266561 , JSTOR 1266561 )
- (en) Lin PC, " Anvendelse af den generaliserede foldede-normale distribution til proceskapacitetsmålene " , Int J Adv Manuf Technol , vol. 26 Ingen knogler 7-8,2005, s. 825–830 ( DOI 10.1007 / s00170-003-2043-x )
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">