Χ laki
Laki χ{\ displaystyle \ chi}
|
Todennäköisyystiheys
|
|
|
Jakamistoiminto
|
|
asetukset
|
k∈{1,2,...}{\ displaystyle k \ in \ {1,2, \ pisteet \} \,}( vapauden asteet )
|
---|
Tuki
|
x∈[0;∞[{\ displaystyle x \ in [0; \ infty [}
|
---|
Todennäköisyystiheys
|
21-k/2xk-1e-x2/2Γ(k/2){\ displaystyle {\ frac {2 ^ {1-k / 2} x ^ {k-1} e ^ {- x ^ {2} / 2}} {\ Gamma (k / 2)}}}
|
---|
Jakamistoiminto
|
P(k/2,x2/2){\ displaystyle P (k / 2, x ^ {2} / 2) \,}
|
---|
Toivoa
|
μ=2Γ((k+1)/2)Γ(k/2){\ displaystyle \ mu = {\ sqrt {2}} \, {\ frac {\ Gamma ((k + 1) / 2)} {\ Gamma (k / 2)}}}
|
---|
Muoti
|
k-1{\ displaystyle {\ sqrt {k-1}} \,} varten k≥1{\ displaystyle k \ geq 1}
|
---|
Varianssi
|
σ2=k-μ2{\ displaystyle \ sigma ^ {2} = k- \ mu ^ {2} \,}
|
---|
Epäsymmetria
|
y1=μσ3(1-2σ2){\ displaystyle \ gamma _ {1} = {\ frac {\ mu} {\ sigma ^ {3}}} \, (1-2 \ sigma ^ {2})}
|
---|
Normalisoitu kurtoosi
|
2σ2(1-μσy1-σ2){\ displaystyle {\ frac {2} {\ sigma ^ {2}}} (1- \ mu \ sigma \ gamma _ {1} - \ sigma ^ {2})}
|
---|
Haje
|
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))}
|
---|
Momenttia tuottava toiminto
|
(katso yksityiskohdat artikkelista)
|
---|
Tyypillinen toiminto
|
(katso yksityiskohdat artikkelista)
|
---|
Vuonna todennäköisyysteoriaa ja tilastoja , The lakiχ{\ displaystyle \ chi} (lausutaan "chi") on laki jatkuvan todennäköisyydellä . Se on laki neliöllinen keskiarvo k satunnaismuuttujien riippumaton ja normaalin oikeuden keskitetään, pienenee, parametri k on useita vapausasteita . Yleisin esimerkki on Maxwellin laki , kun k = 3 lain vapauden astetta ; se mallintaa molekyylinopeutta (normalisoitu).
χ{\ displaystyle \ chi}
Jos normaalijakaumasta riippumattomia satunnaismuuttujia on k keskiarvolla ja keskihajonnalla , niin muuttuja
Xi{\ displaystyle X_ {i}}μi{\ displaystyle \ mu _ {i}}σi{\ displaystyle \ sigma _ {i}}
Y=∑i=1k(Xi-μiσi)2{\ displaystyle Y = {\ sqrt {\ sum _ {i = 1} ^ {k} \ vasemmalle ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ oikea) ^ {2}}}}on lain .
χ{\ displaystyle \ chi}
Ominaisuudet
Todennäköisyystiheys
Todennäköisyyden tiheys lain IS:
χ{\ displaystyle \ chi}
f(x;k)={21-k2xk-1e-x22Γ(k2) varten x>00 jos ei{\ 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}})}} ja {\ text {for}} x> 0 \\ 0 ja {\ text {muuten}} \ lopeta {tapaukset}}}missä on gammatoiminto .
Γ(z){\ displaystyle \ Gamma (z)}
Jakamistoiminto
Kertymäfunktio on lain IS:
χ{\ displaystyle \ chi}
F(x;k)={P(k2,x22) varten x>00 jos ei{\ displaystyle F (x; k) = {\ begin {cases} \ displaystyle P \ left ({\ frac {k} {2}}, {\ frac {x ^ {2}} {2}} \ right) & {\ text {for}} x> 0 \\ 0 & {\ text {muuten}} \ end {cases}}}missä on epätäydellinen (laillistettu) gammatoiminto .
P(k,x){\ displaystyle P (k, x)}
Funktioiden luominen
Momenttia tuottava toiminto
Generaattori toiminta hetkiä saadaan:
M(t)=M(k2,12,t22)+t2Γ(k+12)Γ(k2)M(k+12,32,t22).{\ displaystyle M (t) = M \ vasen ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {t ^ {2}} {2}} \ oikea ) + t {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2}})}} M \ vasen ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {t ^ {2}} {2}} \ oikea).}missä M on Kummerin yhtyvä hypergeometrinen funktio .
Tyypillinen toiminto
Karakteristinen funktio on:
φ(t;k)=M(k2,12,-t22)+it2Γ(k+12)Γ(k2)M(k+12,32,-t22).{\ displaystyle \ varphi (t; k) = M \ vasen ({\ frac {k} {2}}, {\ frac {1} {2}}, {\ frac {-t ^ {2}} {2 }} \ oikea) + it {\ sqrt {2}} \, {\ frac {\ Gamma ({\ tfrac {k + 1} {2}})} {\ Gamma ({\ tfrac {k} {2} })}} M \ vasen ({\ frac {k + 1} {2}}, {\ frac {3} {2}}, {\ frac {-t ^ {2}} {2}} \ oikea) .}missä M on jälleen Kummerin yhtyvä hypergeometrinen funktio .
Ominaisuudet
Hetkiä
Hetket lain annetaan:
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 }})}}}missä on gammatoiminto . Ensimmäiset hetket ovat:
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) \,}
missä lausekkeet ovat peräisin gammafunktion toistumisesta:
Γ(x+1)=xΓ(x){\ displaystyle \ Gamma (x + 1) = x \ Gamma (x) \,}näistä lausekkeista voimme luoda seuraavat suhteet odotukselle , varianssille , epäsymmetrialle ja lopuksi kurtoosille :
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} \,}
y1=μσ3(1-2σ2){\ displaystyle \ gamma _ {1} = {\ frac {\ mu} {\ sigma ^ {3}}} \, (1-2 \ sigma ^ {2})}
y2=2σ2(1-μσy1-σ2){\ displaystyle \ gamma _ {2} = {\ frac {2} {\ sigma ^ {2}}} (1- \ mu \ sigma \ gamma _ {1} - \ sigma ^ {2})}
Haje
Entropia lasketaan seuraavasti:
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} \ vasen ({\ frac {k} {2}} \ oikea) \ oikea)}missä on moniaviofunktio .
ψ0(z){\ displaystyle \ psi _ {0} (z)}
Linkit muihin lakeihin
- Jos niin , ( law²-laki )X∼χk(x){\ displaystyle X \ sim \ chi _ {k} (x)}X2∼χk2{\ displaystyle X ^ {2} \ sim \ chi _ {k} ^ {2}}
-
limk→∞χk(x)-μkσk→d EI(0,1){\ displaystyle \ lim _ {k \ to \ infty} {\ tfrac {\ chi _ {k} (x) - \ mu _ {k}} {\ sigma _ {k}}} {\ xrightarrow {d}} \ N (0,1) \,}, ( normaali jakauma )
- Jos niin , ( puoliksi normaalijakauma ) kaikilleX∼χ1(x){\ displaystyle X \ sim \ chi _ {1} (x) \,}σX∼HEI(σ){\ displaystyle \ sigma X \ sim HN (\ sigma) \,}σ>0{\ displaystyle \ sigma> 0 \,}
-
χ2(x)∼Rkloyleigh(1){\ displaystyle \ chi _ {2} (x) \ sim \ mathrm {Rayleigh} (1) \,}, ( Rayleighin laki )
-
χ3(x)∼Mkloxwell(1){\ displaystyle \ chi _ {3} (x) \ sim \ mathrm {Maxwell} (1) \,}, ( Maxwellin laki )
-
‖EIi=1,...,k(0,1)‖∼χk(x){\ displaystyle \ | {\ lihavoitu symboli {N}} _ {i = 1, \ ldots, k} {(0,1)} \ | \ sim \ chi _ {k} (x)}, (Jäljempänä normi on n muuttujia on normaali jakauma on lain kanssa k vapausasteen.)χ{\ displaystyle \ chi}
- laki on erikoistapaus yleisen gamma lakia .χ{\ displaystyle \ chi}
Eri lait jaχ{\ displaystyle \ chi}χ2{\ displaystyle \ chi ^ {2}}
Lait |
normaalijakaumamuuttujien funktiona
|
---|
of²-laki |
∑i=1k(Xi-μiσi)2{\ displaystyle \ summa _ {i = 1} ^ {k} \ vasen ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ oikea) ^ {2} }
|
law² laki ei ole keskitetty |
∑i=1k(Xiσi)2{\ displaystyle \ summa _ {i = 1} ^ {k} \ vasen ({\ frac {X_ {i}} {\ sigma _ {i}}} \ oikea) ^ {2}}
|
χ laki |
∑i=1k(Xi-μiσi)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ vasen ({\ frac {X_ {i} - \ mu _ {i}} {\ sigma _ {i}}} \ oikea) ^ {2}}}}
|
law laki ei ole keskitetty |
∑i=1k(Xiσi)2{\ displaystyle {\ sqrt {\ sum _ {i = 1} ^ {k} \ vasen ({\ frac {X_ {i}} {\ sigma _ {i}}} \ oikea) ^ {2}}}}
|
Ulkoiset linkit
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">