Sejam selecionadas as coordenadas cartesianas de um ponto aleatório st .
Assim, o raio, , não é uniformemente distribuída como implícito 's pdf .
No entanto, eu esperaria que seja quase uniforme, excluindo artefatos devido às 4 sobras nas bordas:
A seguir estão as funções de densidade de probabilidade calculadas graficamente de e :
Agora, se eu deixar ser distribuído st então parecerá distribuído uniformemente:x , y ∼ N ( 0 , 20 2 ) × N ( 0 , 20 2 ) θ
Por que não é uniforme quando e é uniforme quando ?( x , y ) ∼ U ( - 10 , 10 ) × U ( - 10 , 10 ) x , y ∼ N ( 0 , 20 2 ) × N ( 0 , 20 2 )
O código do Matlab que eu usei:
number_of_points = 100000;
rng('shuffle')
a = -10;
b = 10;
r = (b-a).*randn(2,number_of_points);
r = reshape(r, [2,number_of_points]);
I = eye(2);
e1 = I(:,1); e2 = I(:,2);
theta = inf*ones(1,number_of_points);
rho = inf*ones(1,number_of_points);
for i=1:length(r(1,:))
x = r(:,i);
[theta(i),rho(i)] = cart2pol(x(1),x(2));
end
figure
M=3;N=1; bins = 360;
subplot(M,N,1);
histogram(rad2deg(theta), bins)
title('Polar angle coordinate p.d.f');
subplot(M,N,2);
histogram(rho, bins);
title('Polar radius coordinate p.d.f');
subplot(M,N,3);
histogram(r(:));
title('The x-y cooridnates distrbution (p.d.f)');
Substituindo a 3ª linha: r = (b-a).*randn(2,number_of_points);
com r = (b-a).*randn(2,number_of_points) +a ;
mudará a distribuição de de normal para uniforme.
Respostas:
Você está se referindo a uma transformação de um par de variáveis independentes para a representação polar (raio e ângulo) e, em seguida, olhando para a distribuição marginal de .( R , θ ) θ( X, Y) ( R , θ ) θ
Vou oferecer uma explicação um tanto intuitiva (embora uma derivação matemática da densidade faça essencialmente o que descrevo informalmente).
Observe que se você dimensionar as duas variáveis, X e Y em alguma escala comum (por exemplo, vá de U (-1,1) a U (-10,10) ou de N (0,1) a N (0,20) nas duas variáveis ao mesmo tempo) que não faz diferença para a distribuição do ângulo (afeta apenas a escala da distribuição do raio). Então, vamos apenas considerar os casos unitários.
Primeiro, considere o que está acontecendo com o caso uniforme. Observe que a distribuição é uniforme sobre o quadrado da unidade, de modo que a densidade de probabilidade em uma região contida em é proporcional à área da região. Especificamente, observe a densidade associada a um elemento de ângulo, próximo à horizontal (próximo ângulo ) e na diagonal (próximo ângulo ): d θ θ = 0 θ = π / 4[−1,1]2 dθ θ=0 θ = π/ 4
Claramente, o elemento de probabilidade (ou seja, área) correspondente a um elemento de ângulo ( ) é maior quando o ângulo está próximo a uma das diagonais. De fato, considere inscrever um círculo dentro do quadrado; a área abrangida por um determinado ângulo minúsculo dentro do círculo é constante e, em seguida, a parte externa do círculo cresce à medida que nos aproximamos da diagonal, onde está no máximo. d θdfθ dθ
Isso explica completamente o padrão que você vê nas simulações.
De fato, podemos ver que a densidade deve ser proporcional ao comprimento do segmento, do centro do quadrado à sua aresta; a trigonometria simples é suficiente para derivar a densidade a partir daí e é fácil encontrar a constante necessária para integrar a densidade a 1.
[Editar: adicionado este próximo item para discutir o raio, pois a pergunta mudou desde a minha resposta original.]
Observe que, se tivéssemos uma distribuição uniforme sobre o círculo unitário (isto é, o que inscrevemos no quadrado anterior), a densidade do raio seria proporcional ao raio (considere a área de um pequeno elemento anular de largura em raio - isto é, entre e - tem área proporcional a ). Então, quando passamos para fora do círculo, novas regiões anulares com raio maior só recebem contribuições de densidade da parte do quadrado, então a densidade diminui (inicialmente muito rapidamente, depois mais lentamente) entre e . (Novamente, noções geométricas bastante simples são suficientes para obter a forma funcional da densidade, se necessário.)r r r + d r r 1 √dr r r r + dr r 1 2-√
Por outro lado, se a distribuição da junta é rotacionalmente simétrica em relação à origem, o elemento de probabilidade em algum ângulo não depende do ângulo (isso é essencialmente uma tautologia!). A distribuição bivariada de dois Gaussianos padrão independentes é simétrica em relação à origem:
(código para esta imagem com base no código de Elan Cohen aqui, mas há uma boa alternativa aqui , e algo entre os dois aqui )
Consequentemente, o volume contido em algum ângulo é o mesmo para todos os , de modo que a densidade associada ao ângulo é uniforme em .θ [ 0 , 2 π )dθ θ [ 0 , 2 π)
[O truque polar normalmente usado para integrar a densidade normal sobre a linha real pode ser usado para descobrir que a densidade do raio ao quadrado é exponencial negativa e, a partir daí, a densidade do raio é simples de identificar por um simples argumento de transformação de a função de distribuição]
fonte
fonte
A região de interesse para a nossa pergunta é o setor vermelho neste desenho:
Verificação:
fonte