q -Gaussova distribuce - q-Gaussian distribution
Funkce hustoty pravděpodobnosti
| |||
Parametry |
tvar ( skutečný ) ( skutečný ) |
||
---|---|---|---|
Podpěra, podpora |
pro pro |
||
Znamenat | , jinak nedefinováno | ||
Medián | |||
Režim | |||
Rozptyl |
|
||
Šikmost | |||
Př. špičatost |
Q -Gaussian je rozdělení pravděpodobnosti vyplývající z maximalizace entropie Tsallis za vhodných omezení. Je to jeden příklad distribuce Tsallis . Q -Gaussian je zobecněním Gaussova stejným způsobem, který Tsallis entropie je zobecněním standardního Boltzmannova-Gibbs entropie nebo Shannon entropie . Normální rozdělení se izoluje jako q → 1.
Q -Gaussian byla aplikována na problémy v oblastech statistické mechaniky , geologie , anatomii , astronomie , ekonomika , finance a strojového učení . Distribuce je často přednost pro jeho těžké ocasy ve srovnání s Gaussova pro 1 < q <3. Pro na q -Gaussian distribuce je PDF z ohraničené náhodné veličiny . Díky tomu je v biologii a dalších doménách q- gaussovská distribuce vhodnější než Gaussova distribuce k modelování účinku vnější stochasticity. V roce 2008 byl navržen zobecněný q -analog klasické centrální limitní věty , ve kterém je omezení nezávislosti proměnných iid uvolněno v rozsahu definovaném parametrem q , přičemž nezávislost je obnovena jako q → 1. Důkaz o taková věta stále chybí.
V oblastech těžkého ocasu je distribuce ekvivalentní Studentovu t -distribuci s přímým mapováním mezi q a stupni volnosti . Odborník využívající jednu z těchto distribucí může proto parametrizovat stejnou distribuci dvěma různými způsoby. Volba q- gaussovské formy může nastat, pokud systém není rozsáhlý nebo pokud chybí spojení s malými velikostmi vzorků.
Charakterizace
Funkce hustoty pravděpodobnosti
Q -Gaussian má funkci hustoty pravděpodobnosti
kde
je q -exponenciální a normalizační faktor je dán vztahem
Všimněte si, že pro pro q -Gaussian distribuce je PDF z ohraničené náhodné veličiny .
Entropie
Stejně jako normální distribuce je maximální distribuce entropie informací pro pevné hodnoty prvního a druhého okamžiku (s pevným nulovým momentem odpovídajícím podmínce normalizace), je q -Gaussovo rozdělení maximální distribucí entropie Tsallis pro pevné hodnoty těchto tři okamžiky.
Související distribuce
Studentova t -distribuce
I když to lze ospravedlnit zajímavou alternativní formou entropie, statisticky jde o zmenšenou reparametrizaci Studentova t -distribuce zavedenou W. Gossetem v roce 1908 k popisu statistik malého vzorku. V původní prezentaci Gossetu byl parametr stupňů volnosti ν omezen na kladné celé číslo související s velikostí vzorku, ale lze snadno pozorovat, že funkce hustoty Gossetu je platná pro všechny skutečné hodnoty ν . Škálovaná reparametrizace zavádí alternativní parametry q a β, které se vztahují k ν .
Vzhledem k Studentovu t - rozdělení s ν stupni volnosti má ekvivalent q- Gaussian
s inverzí
Kdykoli je funkce jednoduše škálovanou verzí Studentova t -distribuce.
Někdy se tvrdí, že distribuce je zevšeobecněním Studentova t -distribuce na záporné nebo neceločíselné stupně volnosti. Teorie Studentova t -distribuce se však triviálně vztahuje na všechny skutečné stupně volnosti, kde je podpora distribuce v případě ν <0 nyní spíše kompaktní než nekonečná .
Verze se třemi parametry
Stejně jako u mnoha distribucí zaměřených na nulu lze q- gaussian triviálně rozšířit tak, aby zahrnoval i parametr umístění μ . Hustota je pak definována pomocí
Generování náhodných odchylek
Box-Muller převádí je zobecnit, aby náhodný odběr vzorků z q -Gaussians. Standardní technika Box – Muller generuje dvojice nezávislých normálně distribuovaných proměnných z rovnic následujícího tvaru.
Zobecněná technika Box – Muller může generovat páry q- gaussovských odchylek, které nejsou nezávislé. V praxi bude z dvojice rovnoměrně rozložených proměnných vygenerována pouze jedna odchylka. Následující vzorec vygeneruje odchylky od q- Gaussian se zadaným parametrem q a
kde je q -logaritmus a
Tyto odchylky lze transformovat tak, aby generovaly odchylky od libovolného q- gaussianského typu
Aplikace
Fyzika
Bylo prokázáno, že distribuce hybnosti chladných atomů v disipativních optických mřížkách je q- gaussian.
Q -Gaussian distribuce je také získat jako asymptotické funkce hustoty pravděpodobnosti z polohy jednodimenzionální pohybu hmotného subjektu dvou sil: deterministický sílu typu (určující nekonečný potenciál i) a stochastický bílého šumu síly , kde je bílý šum . Všimněte si, že v aproximaci overdamped / small mass výše zmíněná konvergence selhává , jak bylo nedávno ukázáno.
Finance
Distribuce finančních výnosů na newyorské burze cenných papírů, NASDAQ a jinde byly interpretovány jako q- gaussové.
Viz také
- Constantino Tsallis
- Statistiky Tsallis
- Tsallisova entropie
- Distribuce Tsallis
- q -exponenciální rozdělení
- Q-Gaussův proces
Poznámky
Další čtení
- Juniper, J. (2007) „Tsallisova distribuce a zobecněná entropie: vyhlídky na budoucí výzkum rozhodování za nejistoty“ (PDF) . , Centrum plné zaměstnanosti a spravedlnosti, The University of Newcastle, Australia