Алгоритмы оценки распределения плотности

вероятности с использованием выборочных

характеристических функций

Выполнил:
студент гр. 115 Степин В.Г.
 Методы оценивания закона распределения:
 Гистограммный метод
 Метод моментов
 Операторный метод
 Метод ближайшего соседа
Закон распределения случайной величины

1
w( x) 
2   ( j ) exp( j x)dx

(1)
Оценка закона распределения Оценка характеристической функции

 ( x)  1
N
1
w
2  
 ( j ) exp(  j x)dx (2)  ( j ) 
N
 exp( jv )
i 1
i (3)


Математическое ожидание и дисперсия оценки характеристической функции

M  ( j )    ( j ) (4)
 

D  ( j )  
  N
1

1   ( j )
2
 (5)
 Статистические характеристики оценки закона распределения,
полученные с помощью характеристической функции
- Математическое ожидание
 N
оценки
 ( x)   1 1

M w N   n ) exp(  j x ) d   w( x )
(k )
M exp( j v (6)
  2 n 1


- Дисперсия оценки 2
1 
1 N 


 
D w( x)  M 
 
 N n1 exp( j vn
(k )
) exp(  j x ) d    w 2
( x) (7)
 2 

Рисунок 1 – Области интегрирования

 Окончательное выражение для дисперсии оценки закона распределения
F
F
D w ( x)   lim
  ( j ) exp( j x)d  w ( x) / N
  F , N  N (2 ) 2 
(8)
F

Сглаживание оценки закона распределения

• Скользящее прямоугольное окно
1, n   0, N  1
w(n)   (9)
0, n   0, N  1

• Окно Ханна (Ханнинга)   2 n   (10)

w(n)  0.5  1  cos  
  N 1  
• Окно Хэмминга
  2 n   (11)
w(n)   0.53836  0.46164 cos  
• Окно Блэкмана   N 1  

 2 n   4 n 
(12)
w(n)  a0  a1 cos  
 2 a cos  
 N 1   N 1 
1 1  (α=0.16)
a0  ; a1  ; a2 
2 2 2
 Экспериментальная часть
Алгоритм моделирования случайных величин с бимодальным законом
распределения
Если α < 0.5 , то случайная величина ξ распределена по нормальному закону вида
  1 ( 𝑥 − 𝑚1 )2
𝑤 𝜉 ( 𝑥 )=
❑
√ 2 𝜋 𝑑 1
exp − (
2𝑑 1 ) (13)
Если α ≥ 0.5 , то случайная величина ξ распределена по нормальному закону вида
2
  1 ( 𝑥 −𝑚 2 )
𝑤 𝜉 ( 𝑥 )=
❑
√ 2 𝜋 𝑑 2
exp −
2𝑑2 ( ) (14)
где α – случайная величина, распределённая по равномерному закону
250

200

150

100

50

0
0 50 100 150 200 250 300
Количество отсчётов,N

Рисунок 2 – Входной сигнал

 16

14

12

10

W
6

0
0 50 100 150 200 250
N

Рисунок 3 – Гистограмма
Условия эксперимента:
количество отсчётов N=256
1 и 2 математическое ожидание m1=70, m2=190
1и 2 дисперсия d1=d2=300
 0.02

0.018

0.016

0.014

0.012

0.01
W

0.008

0.006

0.004

0.002

0
0 50 100 150 200 250 300
N

Рисунок 4 – Законы распределения, полученные экспериментально и теоретически

Условия эксперимента:
количество отсчётов N=256
1 и 2 математическое ожидание m1=70, m2=190
1и 2 дисперсия d1=d2=300
 25

20

15

W
10

0
80 90 100 110 120 130 140 150 160 170
N

Рисунок 5 - Гистограмма
-3
x 10
11

10

6
W

1
0 50 100 150 200 250
N

Рисунок 6 – Закон распределения, полученный с помощью выборочных характеристических функций

Условия эксперимента:
N=256, m1=120, m2=130; d1=d2=150
 0.7

0.6

0.5

0.4
R

0.3

0.2

0.1

0
100 200 300 400 500 600 700
Количество отсчётов,N

Рисунок 7 – Зависимости среднеквадратичного критерия от количества отсчётов

N

 (w iT  wiЭ ) 2
Формула среднеквадратичного критерия R i 1
N
(15
 (w
i 1
iT )2 )
Структурная схема устройства
 Заключение

• Применение метода для оценивания других законов распределения

• Наилучшее сглаживание при использовании других окон

Спасибо за внимание!