引入

今天在思考两个服从正态分布的随机变量的模服从什么分布时,想起了瑞利分布和卡方分布这两个分布,最后查到是服从瑞利分布,但是感觉和卡方分布也有关系。当我以“瑞利分布”和“卡方分布”作为关键词搜索时却没查到什么,所以就写一篇这样的文章出来,以抛砖引玉。

瑞利分布(Rayleigh Distribution):当一个随机二维向量的两个分量呈独立的、均值为000,有着相同的方差(设为σ2\sigma^2σ2)的正态分布时,这个向量的呈瑞利分布。其概率密度函数如下:

fZ(z)={zσ2exp⁡(−z22σ2)z≥00z<0f_Z(z) = \left\{ \begin{matrix} \frac{z}{\sigma^{2}}\exp{(-\frac{z^{2}}{2\sigma^{2}})} & z \geq 0 \\ 0 & z < 0 \\ \end{matrix} \right.fZ​(z)={σ2z​exp(−2σ2z2​)0​z≥0z<0​

瑞利分布-百度百科

卡方分布(Chi-square Distribution):若nnn个相互独立的随机变量均服从标准正态分布(即均值为0,方差为1的正态分布),则这nnn个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方(χ2\chi^2χ2)分布。其概率密度函数如下:

gM(m)={12n/2Γ(n/2)zn/2−1exp⁡(−m/2)m≥00m<0g_M(m) = \left\{ \begin{matrix} \frac{1}{2^{n/2}\Gamma(n/2)}z^{n/2-1}\exp{(-m/2)} & m \geq 0 \\ 0 & m < 0 \\ \end{matrix} \right.gM​(m)={2n/2Γ(n/2)1​zn/2−1exp(−m/2)0​m≥0m<0​
卡方分布-百度百科

此处f(z),g(m)f(z),g(m)f(z),g(m)仅代指概率密度函数,对应地,F(z),G(m)F(z),G(m)F(z),G(m)分别代指概率分布函数,Γ\GammaΓ为伽马(Gamma)函数。

联系

对于一个二维随机向量X=(x,y)T\boldsymbol{X} = (x,y)^TX=(x,y)T,其中x,y∼N(0,σ2)x,y \sim N(0, \sigma^2)x,y∼N(0,σ2),其模长∣X∣=x2+y2|\boldsymbol{X}| = \sqrt{x^2+y^2}∣X∣=x2+y2​,不妨设为zzz,则根据定义,zzz服从瑞利分布。

根据概率论的知识,x−0σ∼N(0,1)\frac{x-0}{\sigma} \sim N(0,1)σx−0​∼N(0,1),即服从标准正态分布,所以:
(xσ)2+(yσ)2=x2+y2σ2=m∼χ2(2)(\frac{x}{\sigma})^2 + (\frac{y}{\sigma})^2 = \frac{x^2+y^2}{\sigma^2} = m \sim \chi^2(2)(σx​)2+(σy​)2=σ2x2+y2​=m∼χ2(2)

将n=2n=2n=2代入上方公式,得:

gM(m;n=2)={12exp⁡(−m/2)m≥00m<0g_M(m; n=2) = \left\{ \begin{matrix} \frac{1}{2}\exp{(-m/2)} & m \geq 0 \\ 0 & m < 0 \\ \end{matrix} \right.gM​(m;n=2)={21​exp(−m/2)0​m≥0m<0​

将zzz代入,得:
z2σ2=m∼χ2(2)\frac{z^2}{\sigma^2} = m \sim \chi^2(2)σ2z2​=m∼χ2(2)

m(z)=z2σ2,z≥0m(z) = \frac{z^2}{\sigma^2}, z \geq 0m(z)=σ2z2​,z≥0。再根据概率论的知识,设此时zzz的概率分布函数为HZ(z)H_Z(z)HZ​(z),概率密度函数为hZ(z)h_Z(z)hZ​(z):

HZ(z)=P(Z≤z)=P(σ2M≤z)=P(M≤z2σ2)H_Z(z) = P(Z \leq z) = P(\sqrt{\sigma^2 M} \leq z) = P(M \leq \frac{z^2}{\sigma^2})HZ​(z)=P(Z≤z)=P(σ2M​≤z)=P(M≤σ2z2​)

(此处大写MMM表明是左侧的符号,代入m(z)m(z)m(z)进去)

hZ(z)=(z2σ2)′⋅gM(z2σ2)=(2zσ2)⋅gM(z2σ2)={zσ2exp⁡(−z2/2σ2)z≥00z<0h_Z(z) = (\frac{z^2}{\sigma^2})' \cdot g_M(\frac{z^2}{\sigma^2}) = (\frac{2z}{\sigma^2}) \cdot g_M(\frac{z^2}{\sigma^2}) = \left\{ \begin{matrix} \frac{z}{\sigma^2}\exp{(-z^2/2\sigma^2)} & z \geq 0 \\ 0 & z < 0 \\ \end{matrix} \right.hZ​(z)=(σ2z2​)′⋅gM​(σ2z2​)=(σ22z​)⋅gM​(σ2z2​)={σ2z​exp(−z2/2σ2)0​z≥0z<0​

正是瑞利分布。

所以,服从瑞利分布的随机变量,其平方服从自由度为222(即n=2n=2n=2)的卡方分布。

上述推导可以反过来,即已知z(m)=σ2m,m≥0z(m) = \sqrt{\sigma^2 m}, m \geq 0z(m)=σ2m​,m≥0,
fZ(z)={zσ2exp⁡(−z22σ2)z≥00z<0f_Z(z) = \left\{ \begin{matrix} \frac{z}{\sigma^{2}}\exp{(-\frac{z^{2}}{2\sigma^{2}})} & z \geq 0 \\ 0 & z < 0 \\ \end{matrix} \right.fZ​(z)={σ2z​exp(−2σ2z2​)0​z≥0z<0​

fM(m)=(σ2m)′⋅fZ(σ2m)=σ2mfZ(σ2m)={12exp⁡(−m2)m≥00m<0f_M(m) = (\sqrt{\sigma^2 m})' \cdot f_Z(\sqrt{\sigma^2 m}) = \frac{\sigma}{2\sqrt{m}}f_Z(\sqrt{\sigma^2 m}) = \left\{ \begin{matrix} \frac{1}{2}\exp{(-\frac{m}{2})} & m \geq 0 \\ 0 & m < 0 \\ \end{matrix} \right.fM​(m)=(σ2m​)′⋅fZ​(σ2m​)=2m​σ​fZ​(σ2m​)={21​exp(−2m​)0​m≥0m<0​
正是自由度为2的卡方分布。

若能给予帮助,还望点一个小小的赞,不胜感激。

瑞利分布与卡方分布的联系相关推荐

  1. 图论的起源:柯尼斯堡七桥(一笔画)问题与欧拉路径/回路

    柯尼斯堡七桥问题 大数学家欧拉一生中的大部分时间在俄国和普鲁士度过.1735年,他提出了著名的柯尼斯堡七桥(Seven Bridges of Königsberg)问题: 柯尼斯堡(今俄罗斯加里宁格勒 ...

  2. 概率论-分布函数(高斯分布、复高斯分布、瑞丽分布、Nakagami-m分布、均匀分布、卡方分布)

    文章目录 4.3.1 连续型随机变量 正态(高斯)分布 图形特征 性质 Independent Gaussian ±\pm± Gaussian Gaussian ×/÷\times/ \div×/÷ ...

  3. matlab卡方分布函数,MATLAB如何使用ncx2pdf函数计算非中心卡方分布的概率密度

    MATLAB如何使用ncx2pdf函数计算非中心卡方分布的概率密度 [语法说明] Y=ncx2pdf(X,V,DELTA):计算X中各元素在参数V.DELTA指定下的非中心卡方分布概率密度函数值.X与 ...

  4. 概率论与数理统计复习一(伽马函数、正态分布、瑞利分布、线性相关、独立)

    目录 各种分布 正态分布 引理 瑞利分布 期望与方差 泊松分布 期望与方差 指数分布 期望与方差 指数分布的min.max.和 Z=min{X,Y}Z = min\{X,Y\}Z=min{X,Y} Z ...

  5. matlab生成卡方分布,科学网—Matlab 生成随机数大全 - 强幸子的博文

    高斯分布随机数生成 randn(a):生成一个a*a的标准高斯(正态)分布的随机阵. randn(a,b)或者randn([a,b]): 生成一个a行b列的标准高斯分布的随机阵. m+sqrt(n)* ...

  6. matlab卡方分布的随机数,MATLAB产生随机数

    (1)用计算机产生的是"伪随机数".用投色子计数的方法产生真正的随机数 , 但电脑若也这样做 , 将会占用大量内存 ; 用噪声发生器或放射性物质也可产生真正的随机数 , 但不可重复 ...

  7. matlab中卡方分布名称,非中心卡方分布

    (N, delta,m,n) 参数为 N,delta 的非中心卡方分布随机数 r... 非中心卡方分布的概率密度函数 泊松分布的概率密度函数 雷利分布的概率密度函数 学... 非中心卡方分布的概率密度 ...

  8. R语言卡方分布函数Binomial Distribution(dchisq, pchisq, qchisq rchisq)实战

    R语言卡方分布函数Binomial Distribution(dchisq, pchisq, qchisq & rchisq)实战 目录 R语言卡方分布函数Binomial Distribut ...

  9. R可视化绘制卡方分布图(Chi-Square Distribution)

    R可视化绘制卡方分布图(Chi-Square Distribution) 目录 R可视化绘制卡方分布图(Chi-Square Distribution) 卡方分布图(Chi-Square Distri ...

最新文章

  1. 2018.12.28-bzoj-2006-[NOI2010]超级钢琴
  2. linux文本编辑利器-vim
  3. java插入flash_怎样可以把flash添加到Java应用程序
  4. stdthread(6)并发lockGuard
  5. 服务器2012怎么换桌面背景,2012年职称计算机Windows XP:更改桌面背景和颜色
  6. Linux free指令查看内存使用情况
  7. 【Linux基础】crontab定时命令详解
  8. python计算器教程,用Python程序制作一个简单的计算器
  9. C#使用SetWindowsHookEx时报错“类型的已垃圾回收委托进行了回调”
  10. [Web 前端] 010 css 常用的边框设置
  11. windows下安装MinGW、swig 、zlib
  12. Hamcrest匹配器框架
  13. c语言抽签系统_抽签小程序(C语言随机数)
  14. Android 获取文件后缀名
  15. 泰勒公式和海森矩阵(Hessian-matrix)
  16. IntelliJ IDEA 超实用使用技巧分享
  17. 推荐阅读20100812
  18. 【模块电路】继电器驱动应用
  19. 用 C学习51单片机——记录 4、中断系统 (1)外部中断
  20. linux学习(一)虚拟机界面全屏

热门文章

  1. 头文件cstring、string、string.h的区别
  2. GitHub标星5,android星座查询源码
  3. 【C语言】结构体变量定义、初始化、使用
  4. 计算机中术语bug指,为什么计算机故障称为“bug”?
  5. 2016 IT 互联网 各大公司内推
  6. Metricbeat源码分析
  7. access quick 取消显示_怎么快速关闭Win10系统的quick access功能
  8. 【顾晨浩】龙头药房,支付配套政策落地
  9. python unicode.category
  10. sofa常见问题汇总