正常随机变量的加法,减法,乘法和除法得到了很好的定义,但是三角运算又如何呢?
例如,让我们假设我正在尝试找到两个楔形的角度(建模为直角三角形),两个导管的尺寸分别为和,均被描述为正态分布。
直觉和模拟都告诉我,结果分布是正态的,平均。但是,有一种方法可以计算出角度的分布吗?我在哪里找到答案的参考?
(在某种程度上,我正在研究机械零件的统计公差。我的第一个冲动是简单地模拟整个过程,检查最终结果是否合理正常,然后计算标准偏差。但是我想知道如果可以使用更整洁的分析方法。)
正常随机变量的加法,减法,乘法和除法得到了很好的定义,但是三角运算又如何呢?
例如,让我们假设我正在尝试找到两个楔形的角度(建模为直角三角形),两个导管的尺寸分别为和,均被描述为正态分布。
直觉和模拟都告诉我,结果分布是正态的,平均。但是,有一种方法可以计算出角度的分布吗?我在哪里找到答案的参考?
(在某种程度上,我正在研究机械零件的统计公差。我的第一个冲动是简单地模拟整个过程,检查最终结果是否合理正常,然后计算标准偏差。但是我想知道如果可以使用更整洁的分析方法。)
Answers:
在这个解释中,三角形是侧的直角三角形的长度和ÿ分布式binormally与预期μ X和μ ÿ,标准偏差σ X和σ ÿ,和相关ρ。我们寻求arctan (Y / X )的分布。为此,标准化X和Y,以便
和 ÿ = σ ý η + μ ÿ
与和η与相关标准正常分布随机数ρ。设θ为角度,为方便起见,写q = tan (θ )。然后
左手侧,作为法线的线性组合,是正常的,与均值和方差σ 2 ý + q 2 σ 2 X - 2 q ρ σ X σ ÿ。
将这些参数的法线cdf相对于微分,得出角度的pdf。该表达式相当令人讨厌,但其中的关键部分是指数
立即显示该角度不是正态分布。但是,正如您的模拟显示和直觉所暗示的那样,如果边长的长度与长度本身相比变化较小,则应该近似正常。在这种情况下一个鞍点逼近应服从于特定值良好的结果,μ ÿ,σ X,σ ÿ,和ρ,即使封闭形式一般的解决方案是不可用的。找到二阶导数(相对于θ)的对数(如参考文献的公式(2.6)和(3.1)所示)。我建议使用计算机代数系统(例如MatLab或Mathematica)来实现!
您正在查看循环统计数据,尤其是循环分布,称为投影正态分布。
出于某种原因,这个主题可能很难用Google搜索,但是关于循环统计的两个主要文本是Fisher 的《循环数据的统计分析》和 Mardia和Jupp的Directional Statistics。
有关预计正态分布的全面分析,请参阅Mardia和Jupp的第46页。分布有闭合形式的表达式(直到误差函数积分为止),并且如whuber所建议的那样,当它的“方差”(注意这里,方差对圆上的随机变量有何意义)时,它看起来与法线相似。 !)小,即当分布完全集中在一个点(或方向或角度)时。