Distribució de Slash

Infotaula distribució de probabilitatDistribució de Slash
Funció de densitat de probabilitat
Funció de distribució de probabilitat
TipusDistribució de ràtio i distribució de probabilitat contínua Modifica el valor a Wikidata
Paràmetrescap
Suport x ( , ) {\displaystyle x\in (-\infty ,\infty )}
fdp { φ ( 0 ) φ ( x ) x 2 x 0 1 2 2 π x = 0 {\displaystyle {\begin{cases}{\frac {\varphi (0)-\varphi (x)}{x^{2}}}&x\neq 0\\{\frac {1}{2{\sqrt {2\pi }}}}&x=0\\\end{cases}}}
FD { Φ ( x ) [ φ ( 0 ) φ ( x ) ] / x x 0 1 / 2 x = 0 {\displaystyle {\begin{cases}\Phi (x)-\left[\varphi (0)-\varphi (x)\right]/x&x\neq 0\\1/2&x=0\\\end{cases}}}
Esperança matemàticaNo existeix
Mediana0
Moda0
VariànciaNo existeix
Coeficient de simetriaNo existeix
CurtosiNo existeix
FC 2 π ( φ ( t ) + t Φ ( t ) max { t , 0 } ) {\displaystyle {\sqrt {2\pi }}{\Big (}\varphi (t)+t\Phi (t)-\max\{t,0\}{\Big )}}

En la teoria de la probabilitat, la distribució de slash és la distribució de probabilitat d'una variable normal estàndard dividida per una variant estàndard uniforme independent.[1] En altres paraules, si la variable aleatòria Z té una distribució normal amb mitjana 0 i la variància 1, la variable aleatòria U té una distribució uniforme en [0,1], i Z i U són estadísticament independents, llavors la variable aleatòria X = Z / U X té una distribució de slash. La distribució de slash és un exemple de distribució de ràtio. La distribució va ser nomenada per William H. Rogers i John Tukey en un article publicat el 1972.[2]

La funció de densitat de probabilitat (fdp) és

f ( x ) = φ ( 0 ) φ ( x ) x 2 . {\displaystyle f(x)={\frac {\varphi (0)-\varphi (x)}{x^{2}}}.}

on φ(x) és la funció de densitat de probabilitat de la distribució normal estàndard.[3] El resultat no està definit a x = 0, però la discontinuïtat és de salt:

lim x 0 f ( x ) = φ ( 0 ) 2 = 1 2 2 π {\displaystyle \lim _{x\to 0}f(x)={\frac {\varphi (0)}{2}}={\frac {1}{2{\sqrt {2\pi }}}}}

L'ús més comú de la distribució de slash és en els estudis de simulació. Es tracta d'una distribució útil en aquest context perquè té cues més pesades que una distribució normal, però no és tan patològica com la distribució de Cauchy.[3]

Referències

  1. Davison, Anthony Christopher; Hinkley, D. V.. Bootstrap methods and their application. Cambridge University Press, 1997, p. 484. ISBN 978-0-521-57471-6 [Consulta: 24 setembre 2012]. 
  2. Rogers, W. H.; Tukey, J. W. «Understanding some long-tailed symmetrical distributions». Statistica Neerlandica, 26, 3, 1972, pàg. 211–226. DOI: 10.1111/j.1467-9574.1972.tb00191.x.
  3. 3,0 3,1 «SLAPDF». Statistical Engineering Division, National Institute of Science and Technology. [Consulta: 2 juliol 2009].
  • Vegeu aquesta plantilla
Distribucions discretes
amb suport finit
Distribucions discretes
amb suport infinit
Distribucions contínues
suportades sobre un interval acotat
Distribucions contínues
suportades sobre un interval semi-infinit
Distribucions contínues
suportades en tota la recta real
Distribucions contínues
amb el suport de varis tipus
Barreja de distribució variable-contínua
Distribució conjunta
Discreta
Ewens
Multinomial
Multinomial de Dirichlet
Multinomial negativa
Contínua
Dirichlet
Dirichlet generalitzada
Estable multivariant
Gamma normal
Gamma normal inversa
Normal multivariable
t multivariable
Matriu de valor
Matriu gamma
Matriu gamma inversa
Matriu normal
Normal de Wishart
Normal de Wishart inversa
t matriu
Wishart
Wishart inversa
Direccionals
Univariada (circular)
Asimètrica de Laplace envoltada
Cauchy envoltada
Exponencial envoltada
Lévy envoltada
Normal envoltada
Circular uniforme
Univariada de von Mises
Bivariada (esfèrica)
Kent
Bivariada (toroidal)
Bivariada de von Mises
Multivariada
von Mises-Fisher
Bingham
Degenerada i singular
Degenerada
Delta de Dirac
Singular
Cantor
Famílies