حساب کاربری
​
زمان تقریبی مطالعه: 3 دقیقه
لینک کوتاه

توزیع کی

در نظریه امار و احتمال، توزیع احتمال chi یک توزیع پیوسته‌است. این توزیع برابر ریشه جمع مربعات مجموعه ای از متغییرهای تصادفی است که هر یک به‌طور مستقل از توزیع نرمال پیروی می‌کنند.

chi
تابع چگالی احتمال

تابع توزیع تجمعی

پارامترها k > 0
(درجه‌های آزادی)
تکیه‌گاه x ∈ [ 0 ; ∞ )
تابع چگالی احتمال 2 1 − k / 2 x k − 1 e − x 2 / 2 Γ ( k / 2 )
تابع توزیع تجمعی P ( k / 2 , x 2 / 2 )
میانگین μ = 2 Γ ( ( k + 1 ) / 2 ) Γ ( k / 2 )
مُد k − 1
for k ≥ 1
واریانس σ 2 = k − μ 2
چولگی γ 1 = μ σ 3 ( 1 − 2 σ 2 )
کشیدگی 2 σ 2 ( 1 − μ σ γ 1 − σ 2 )
آنتروپی ln ⁡ ( Γ ( k / 2 ) ) +

1 2 ( k − ln ⁡ ( 2 ) − ( k − 1 ) ψ 0 ( k / 2 ) )

از توزیع‌های مشابه chi می‌توان به توزیع Rayleigh (توزیع chi با دو درجه آزادی) و توزیع ماکسول-بولتزمن در توصیف سرعت مولکول‌ها در گاز ایده‌آل (توزیع chi با سه درجع آزادی)، اشاره کرد.

اگر Xiهای k متغیر مستقل با توزیع احتمال نرمال باشند (با میانگین و واریانس ، μ

و σ
) حاصل عبارت زیر بیانگر توزیع chi است.

Y = ∑ k = 1 k ( ( X i − μ i ) / σ i ) 2 )

توزیع احتمال chi دارای پارامتری تحت عنوان درجه آزادی (k) است، که نمایانگر تعداد ---- است.

فهرست

  • ۱ توصیف
    • ۱.۱ تابع چگالی احتمال
    • ۱.۲ تابع توزیع احتمال تجمعی
  • ۲ پیاده‌سازی در R
    • ۲.۱ مثال
  • ۳ انواع توزیع کی
  • ۴ منابع

توصیف

تابع چگالی احتمال

تابع چگالی احتمال(PDF) این توزیع به شکل زیر است:

f ( x ; k ) = x k − 1   e − x 2 / 2 2 k / 2 − 1   Γ ( k / 2 )
که در آن Γ
نمایشگر تابع گاما است.

تابع توزیع احتمال تجمعی

تابع توزیع تجمعی(CDF) این توزیع از رابطه زیر قابل محاسبه است:

F ( x ; k ) = P ( k / 2 , x 2 / 2 )
در این رابطه تابع P
معادل تابع گامای ناکامل است.

پیاده‌سازی در R

متودهای این توزیع، در r، با افزودن کتابخانه chi به محیط کار قابل استفاده هستند. این متودها شامل موارد زیر هستند:
dchi(x, df, ncp = 0, log = FALSE)
pchi(q, df, ncp = 0, lower.tail = TRUE, log.p = FALSE)
qchi(p, df, ncp = 0, lower.tail = TRUE, log.p = FALSE)
rchi(n, df, ncp = 0)
x, q vector of quantiles.
df degrees of freedom (non-negative, but can be non-integer).
ncp non-centrality parameter (non-negative).
log, log.p logical; if TRUE, probabilities p are given as log(p).
lower.tail logical; if TRUE (default), probabilities are P[X <= x] otherwise, P[X > x].
p vector of probabilities.
n number of observations. If length(n) > 1, the length is taken to be the number
required.

مثال

s <- seq(0, 5, 0.1)
plot( dchi(s, 3), type = ‘b’, col = “red”)

قطعه کد بالا نمودار زیر را در plot چاپ می‌کند.

انواع توزیع کی

منابع

  1. ↑ "Chi distribution". Wikipedia (به انگلیسی). 2018-06-21.
  2. ↑ «Chi library» (PDF).
  • Weisstein, Eric W. "Chi Distribution." From MathWorld--A Wolfram Web Resource. http://mathworld.wolfram.com/ChiDistribution.html
آخرین نظرات
کلیه حقوق این تارنما متعلق به فرا دانشنامه ویکی بین است.