ปรีชาสำหรับช่วงเวลาที่สูงขึ้นในสถิติวงกลม


13

ในสถิติแบบวงกลมค่าความคาดหวังของตัวแปรสุ่มมีค่าในวงกลมSหมายถึง m 1 ( Z ) = S z P Z ( θ ) d θ (ดูวิกิพีเดีย ) นี่เป็นคำจำกัดความที่เป็นธรรมชาติมากเช่นเดียวกับนิยามของความแปรปรวน V a r ( Z ) = 1 - | m 1 ( Z ) | . ดังนั้นเราไม่ต้องการช่วงเวลาที่สองเพื่อกำหนดความแปรปรวน!ZS

m1(Z)=SzPZ(θ)dθ
Var(Z)=1|m1(Z)|.

อย่างไรก็ตามเรากำหนดช่วงเวลาที่สูง ฉันยอมรับว่ามันดูเป็นธรรมชาติเหมือนกันตั้งแต่แรกเห็นและคล้ายกับนิยามในสถิติเชิงเส้น แต่ฉันก็ยังรู้สึกอึดอัดเล็กน้อยและมีสิ่งต่อไปนี้

mn(Z)=SznPZ(θ)dθ.

คำถาม:

1. อะไรคือสิ่งที่วัดโดยช่วงเวลาที่สูงกว่าที่กำหนดไว้ข้างต้น (สังหรณ์ใจ)? คุณสมบัติของการแจกแจงแบบใดที่สามารถระบุช่วงเวลาได้

2. ในการคำนวณช่วงเวลาที่สูงขึ้นเราใช้การคูณจำนวนเชิงซ้อนแม้ว่าเราจะคิดถึงค่าของตัวแปรสุ่มของเราเพียงแค่เป็นเวกเตอร์ในระนาบหรือมุม ฉันรู้ว่าการคูณเชิงซ้อนเป็นการเพิ่มมุมในกรณีนี้ แต่ก็ยัง: ทำไมการคูณเชิงซ้อนจึงเป็นการดำเนินการที่มีความหมายสำหรับข้อมูลวงกลม?

คำตอบ:


8

PZZ1Z[0,2π)

สำหรับคำถามที่สองของคุณฉันคิดว่าคุณได้ให้คำตอบแล้ว: "การคูณที่ซับซ้อนคือการเติมมุมในกรณีนี้"


ขอบคุณนี่เป็นประโยชน์จริงๆ (อัปยศกับฉันที่ไม่รู้จักชุดฟูริเยร์แม้จะพุ่งเข้าหามัน ... )
Rasmus

นี่หมายความว่าช่วงเวลาของการแจกแจงแบบวงกลมควรนำมาเปรียบเทียบกับฟังก์ชันลักษณะเฉพาะของการแจกแจงเชิงเส้นมากกว่าช่วงเวลาหรือไม่?
Rasmus

@ ราสมุส: ฉันเดาว่าขึ้นอยู่กับสิ่งที่คุณต้องการจะทำกับข้อมูล แต่โดยทั่วไปฉันจะบอกว่าใช่
Mark Meckes
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.