التوزيع نصف الطبيعي

في نظرية الاحتمالات والإحصاء، يعتبر التوزيع نصف الطبيعي حالة خاصة من التوزيع الطبيعي المطوي .

يتركX{\displaystyle X}تتبع التوزيع الطبيعي العادي ،شمال(0،σ2){\displaystyle N(0,\sigma ^{2})}. ثم،Y=|X|{\displaystyle Y=|X|}يتبع التوزيع نصف الطبيعي. وبالتالي، فإن التوزيع نصف الطبيعي هو طية عند المتوسط ​​لتوزيع طبيعي عادي متوسطه صفر.

ملكيات

باستخدامσ{\displaystyle \sigma }في عملية تحديد معلمات التوزيع الطبيعي، تُعطى دالة كثافة الاحتمال (PDF) للتوزيع نصف الطبيعي بالصيغة التالية:

وY(y؛σ)=2σπخبرة(-y22σ2)y0،{\displaystyle f_{Y}(y;\sigma )={\frac {\sqrt {2}}{\sigma {\sqrt {\pi }}}}\exp \left(-{\frac {y^{2}}{2\sigma ^{2}}}\right)\quad y\geq 0,}

أينهـ[Y]=μ=σ2π{\displaystyle E[Y]=\mu ={\frac {\sigma {\sqrt {2}}}{\sqrt {\pi }}}}.

أو بدلاً من ذلك، يمكن استخدام معلمات الدقة المُقاسة (معكوس التباين) لتجنب المشاكل إذاσ{\displaystyle \sigma }(تقترب من الصفر)، يتم الحصول عليها عن طريق وضعθ=πσ2{\displaystyle \theta ={\frac {\sqrt {\pi }}{\sigma {\sqrt {2}}}}}دالة كثافة الاحتمال معطاة بالصيغة التالية

وY(y؛θ)=2θπخبرة(-y2θ2π)y0،{\displaystyle f_{Y}(y;\theta )={\frac {2\theta }{\pi }}\exp \left(-{\frac {y^{2}\theta ^{2}}{\pi }}\right)\quad y\geq 0,}

أينهـ[Y]=μ=1θ{\displaystyle E[Y]=\mu ={\frac {1}{\theta }}}.

دالة التوزيع التراكمي (CDF) معطاة بالصيغة التالية

FY(y؛σ)=0y1σ2πخبرة(-x22σ2)دx{\displaystyle F_{Y}(y;\sigma )=\int _{0}^{y}{\frac {1}{\sigma }}{\sqrt {\frac {2}{\pi }}}\,\exp \left(-{\frac {x^{2}}{2\sigma ^{2}}}\right)\,dx}

باستخدام تغيير المتغيراتz=x/(2σ){\displaystyle z=x/({\sqrt {2}}\sigma )}يمكن كتابة دالة التوزيع التراكمي على النحو التالي:

FY(y؛σ)=2π0y/(2σ)خبرة(-z2)دz=قطعة أرض(y2σ)،{\displaystyle F_{Y}(y;\sigma )={\frac {2}{\sqrt {\pi }}}\,\int _{0}^{y/({\sqrt {2}}\sigma )}\exp \left(-z^{2}\right)dz=\operatorname {erf} \left({\frac {y}{{\sqrt {2}}\sigma }}\right),}

حيث أن erf هي دالة الخطأ ، وهي دالة قياسية في العديد من حزم البرامج الرياضية.

تُكتب دالة الكمية (أو دالة التوزيع التراكمي العكسي) على النحو التالي:

سؤال(F؛σ)=σ2قطعة أرض-1(F){\displaystyle Q(F;\sigma )=\sigma {\sqrt {2}}\operatorname {erf} ^{-1}(F)}

أين0F1{\displaystyle 0\leq F\leq 1}وقطعة أرض-1{\displaystyle \operatorname {erf} ^{-1}}هي دالة الخطأ العكسية

ويُعطى التوقع بعد ذلك بواسطة

هـ[Y]=σ2/π،{\displaystyle E[Y]=\sigma {\sqrt {2/\pi }},}

يُعطى التباين بواسطة

متغير(Y)=σ2(1-2π).{\displaystyle \operatorname {var} (Y)=\sigma ^{2}\left(1-{\frac {2}{\pi }}\right).}

بما أن هذا يتناسب مع التباين σ 2 لـ X ، يمكن اعتبار σ بمثابة معلمة مقياس للتوزيع الجديد.

إن الإنتروبيا التفاضلية للتوزيع نصف الطبيعي أقل ببت واحد بالضبط من الإنتروبيا التفاضلية للتوزيع الطبيعي ذي المتوسط ​​الصفري والذي له نفس العزم الثاني حول  الصفر. ويمكن فهم ذلك بديهيًا لأن عامل القيمة المطلقة يقلل المعلومات بمقدار بت واحد (إذا كان التوزيع الاحتمالي عند مدخله زوجيًا). وبدلاً من ذلك، بما أن التوزيع نصف الطبيعي يكون دائمًا موجبًا، فإن البت الواحد اللازم لتسجيل ما إذا كان متغير عشوائي طبيعي قياسي موجبًا (مثلاً، 1) أو سالبًا (مثلاً، 0) لم يعد ضروريًا. وبالتالي،

ح(Y)=12سجل2(πهـσ22)=12سجل2(2πهـσ2)-1.{\displaystyle h(Y)={\frac {1}{2}}\log _{2}\left({\frac {\pi e\sigma ^{2}}{2}}\right)={\frac {1}{2}}\log _{2}\left(2\pi e\sigma ^{2}\right)-1.}

التطبيقات

يُستخدم التوزيع نصف الطبيعي عادةً كتوزيع احتمالي مسبق لمعاملات التباين في تطبيقات الاستدلال البايزي . [ 1 ] [ 2 ]

تقدير المعلمات

الأرقام المعطاة{xأنا}أنا=1ن{\displaystyle \{x_{i}\}_{i=1}^{n}}يتم سحب المعلمة المجهولة من توزيع نصف طبيعيσ{\displaystyle \sigma }يمكن تقدير هذا التوزيع باستخدام طريقة الاحتمال الأقصى ، مما يعطي

σ^=1نأنا=1نxأنا2{\displaystyle {\hat {\sigma }}={\sqrt {{\frac {1}{n}}\sum _{i=1}^{n}x_{i}^{2}}}}

الانحياز يساوي

بهـ[(σ^ملهـ-σ)]=-σ4ن{\displaystyle b\equiv \operatorname {E} {\bigg [}\;({\hat {\sigma }}_{\mathrm {mle} }-\sigma )\;{\bigg ]}=-{\frac {\sigma }{4n}}}

مما ينتج عنه مقدر الاحتمال الأقصى المصحح للتحيز

σ^mle*=σ^mle-ب^.{\displaystyle {\hat {\sigma \,}}_{\text{mle}}^{*}={\hat {\sigma \,}}_{\text{mle}}-{\hat {b\,}}.}

انظر أيضاً

مراجع

  1. جيلمان، أ. (2006)، "التوزيعات الاحتمالية المسبقة لمعاملات التباين في النماذج الهرمية"، التحليل البايزي ، 1 (3): 515-534 ، doi : 10.1214/06-ba117a
  2. روفر، سي.؛ بيندر، ر.؛ دياس، س.؛ شميد، سي إتش؛ شميدلي، إتش.؛ ستورتز، س.؛ ويبر، س.؛ فريد، ت. (2021)، "حول التوزيعات الاحتمالية المسبقة ذات المعلومات الضعيفة لمعامل عدم التجانس في التحليل التلوي ذي التأثيرات العشوائية البايزية"، أساليب توليف البحوث ، 12 (4): 448-474 ، arXiv : 2007.08352 ، doi : 10.1002/jrsm.1475 ، PMID 33486828 ، S2CID 220546288  

للمزيد من القراءة

(لاحظ أن MathWorld يستخدم المعاملθ=1σπ/2{\displaystyle \theta ={\frac {1}{\sigma }}{\sqrt {\pi /2}}}