Documente Academic
Documente Profesional
Documente Cultură
______________________________________________________________________________________________________
___
Z = X 2 +Y 2
1 −
2σ 2
[x1 2
+y 2 ]
f (x , y ) = e
2 πσ 2
Haciendo el cambio:
x = r ⋅ cos φ = G1 (r ,φ )
y = r ⋅ senφ = G 2 (r ,φ )
convertimos las coordenadas cartesianas en coordenadas polares. Las nuevas variables
aleatorias quedan expresadas en función de X e Y como sigue:
r = x2 +y2
y
φ = arctg
x
Podemos obtener la función de densidad conjunta de las nuevas variables aleatorias
mediante(1):
g (r ,φ ) = f [G1 (r , φ ),G 2 (r , φ )] ⋅ J (r ,φ )
siendo:
[(r ⋅cos φ )2 +(r ⋅senφ )2 ] 1
2
1 r
− −
f [G1 (r ,φ ),G 2 (r ,φ )] =
1 σ = e σ
2 2
e 2 2
2 πσ 2
2 πσ 2
1)
Véase el anexo 1
______________________________________________________________________________________________________
___
∂x ∂x
J (r ,φ ) =
∂r
∂y
∂φ
∂y
=
cos φ
senφ
− r ⋅ senφ
r ⋅ cos φ
(
= r ⋅ cos 2 φ − − r ⋅ sen 2 φ = r)
∂r ∂φ
Por consiguiente:
r2 r2
1 − r −
g (r ,φ ) = e 2σ 2 ⋅ r = e 2σ2
2 πσ 2
2 πσ 2
en el dominio 0 ≤ r ≤ ∞ , esto es r ≥ 0 , y 0 ≤ φ ≤ 2π .
La función de densidad marginal de la variable aleatoria R resulta de resolver la integral:
∞
h (r ) =
∫ g (r ,φ )dφ
−∞
(2)
En definitiva , si X e Y son variables aleatorias independientes con distribución normal de
media cero y misma distribución tipo σ, entonces la variable aleatoria:
2)
Problema nº 9.7 propuesto sin resolución en Meyer (1973) p.213.
______________________________________________________________________________________________________
___
Hoja 2 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
Z = X 2 +Y 2
F (x ) = f (x )dx
∫
∞
Como f ( x) = 0 para x < 0 :
x x2
x −2 σ 2
F (x ) =
σ2
e
∫
0
dx
3)
La calificación de estándar no está generalizada; resulta de hacer un paralelismo con la distribución normal
estándar N(0,1).
4)
Meyer (1973) p.228
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 3 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
0
− 2 σ 2t o − x2 x2
∫e (−dt ) = ∫ e dt =[e ]
−
t 0
F (x ) = = e 2 σ =1 − e 2 σ 2
t t 2
− 2 σ 2t
0 − 2 σ 2t x
En resumen:
x2
−
F (x ) =1 − e 2σ2
______________________________________________________________________________________________________
___
Hoja 4 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
x f(x) F(x)
0 0 0,00000000%
0,2 0,19603973 1,98013267%
0,4 0,36924654 7,68836536%
0,6 0,50116213 16,47297886%
0,8 0,58091923 27,38509629%
1 0,60653066 39,34693403%
1,2 0,58410271 51,32477440%
1,4 0,52543554 62,46889011%
1,6 0,44485968 72,19626995%
1,8 0,35621766 80,21013009%
2 0,27067057 86,46647168%
2,2 0,19562756 91,10783825%
2,4 0,13472343 94,38652372%
2,6 0,08852338 96,59525453%
2,8 0,05555507 98,01589053%
3 0,03332699 98,88910035%
3,2 0,01912327 99,40239771%
3,4 0,01050163 99,69112846%
3,6 0,00552172 99,84661893%
3,8 0,00278085 99,92681976%
4 0,00134185 99,96645374%
4,2 0,00062054 99,98522516%
4,4 0,00027509 99,99374785%
4,6 0,00011693 99,99745807%
4,8 0,00004766 99,99900705%
5 0,00001863 99,99962733%
5,2 0,00000699 99,99986562%
5,4 0,00000251 99,99995344%
5,6 0,00000087 99,99998450%
5,8 0,00000029 99,99999504%
6 0,00000009 99,99999848%
6,2 0,00000003 99,99999955%
6,4 0,00000001 99,99999987%
6,6 0,00000000 99,99999997%
6,8 0,00000000 99,99999999%
7 0,00000000 100,00000000%
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 5 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
E (X ) =
−∞
∫ x ⋅ f (x )dx
Como f ( x) = 0 para x < 0 :
∞ x2 ∞ x2
x −2 σ 2 x 2 −2 σ 2
∫
E (X ) = x 2 e
σ
0
dx =
σ2
e dx
∫
0
Haciendo el cambio de variable:
x2
=t
2σ 2
x = 2σ 2t
2σ 2 σ
dx = dt = dt
2 2σ 2t 2t
y aplicándolo:
∞ ∞ ∞
2 σ 2 t −t σ
E (X ) =
0
∫ σ 2
e
2t 0
∫
dt = 2 t ⋅ σ ⋅ e −t dt = 2 ⋅ σ t ⋅ e −t dt
0
∫
Recordando que la función gamma completa o integral euleriana de segunda especie tiene
la forma(5):
∞
∫
Γ(n ) = x n −1 e −x dx
0
concluimos que:
∞ ∞ 1 ∞ 3
−1 3
∫ ∫ ∫
−t −t
t ⋅ e dt = t 2 ⋅ e dt = t 2 ⋅ e −t dt =Γ( )
2
0 0 0
con lo cual:
∞
3
E (X ) = 2 ⋅ σ
∫
0
t ⋅ e −t dt = 2 ⋅ Γ( ) ⋅ σ
2
5)
Puig Adam (1973) pp.120-121
6)
Spiegel (1988) p.342
7)
Spiegel (1988) p.342
______________________________________________________________________________________________________
___
Hoja 6 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
3 1 1 1 π
Γ( ) = Γ( +1 ) = ⋅ Γ( ) =
2 2 2 2 2
Por consiguiente:
π π
E (X ) = 2 ⋅ ⋅σ = ⋅ σ =1 ,2533 ⋅ σ
2 2
Para determinar la varianza de la distribución Rayleigh, usaremos la conocida relación:
V (X ) = E (X 2 ) − [E (X )]2
en donde:
∞
E (X ) =
∫x ⋅ f (x )dx
2 2
−∞
Como f ( x) = 0 para x < 0 :
∞ x2 ∞ x2
x −2 σ 2 x 3 −2 σ 2
E (X ) = x
∫dx =
∫
2 2
e e dx
σ2 σ2
0 0
Con el mismo cambio de variable que antes:
x2
=t
2σ 2
x = 2σ 2t
2σ 2 σ
dx = dt = dt
2 2σ 2t 2t
Aplicándolo:
(2 σ t )
∞
3 ∞ ∞
2 2 σ
∫ ∫ ∫
−t
E (X ) =
2
e dt = 2 σ 2 ⋅ t ⋅ e −t dt =2 σ 2 t ⋅ e −t dt
σ2 2t
0 0 0
dt = t (2 −1 ) ⋅ e −t dt = Γ(2 )
∫t ⋅e ∫
−t
0 0
valor que puede calcularse por la propiedad reproductiva de la función gamma ya expuesta:
Γ(2 ) = Γ(1 +1 ) =1 ⋅ Γ(1 ) =1
En resumen:
∞
E (X ) = 2 σ
∫ t ⋅ e −t dt = 2 σ 2 ⋅ Γ(2 ) = 2 σ 2
2 2
0
Por consiguiente:
2
π 4 −π 2
V (X ) = E (X ) − [E (X )] = 2 σ
2 2 2
− ⋅ σ = σ
2 2
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 7 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
En definitiva:
4 −π 2
V (X ) = σ = 0 ,4292 ⋅ σ 2
2
16
1 er cuartil = Q1 = Ln ⋅ σ = 0 ,7585 ⋅ σ
9
3 er cuartil = Q3 = Ln16 ⋅ σ =1 ,6651 ⋅ σ
La moda es el valor para el que la función de densidad es máxima, por lo que podemos
obtenerla imponiendo la condición de máximo:
x2
d d x −2 σ 2
f (x ) = e =0
dx dx σ 2
Derivando:
x2 x2
1 − 2 σ 2 x − 2 σ 2 2 x
2 e + σ 2 e − =0
σ 2σ 2
operando :
x2 x2
1 −2 σ 2 x 2 −2 σ 2
e − 4e =0
σ2 σ
x2
1 −2 σ 2 x2
e 1 − =0
σ2 σ2
de donde:
x2
1 − 2 =0
σ
______________________________________________________________________________________________________
___
Hoja 8 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
y, finalmente:
x =σ
En definitiva:
Moda = Mo = σ
El valor de la función de distribución para la moda se deduce de la propia función de
distribución:
x2
−
F (x ) =1 − e 2σ 2
entrando con x = Mo = σ
σ2 1
− −
q Mo = F (Mo ) = F (σ ) =1 − e 2σ 2 =1 − e 2 = 0 ,393469 = 39 ,3469 %
Luego:
1
−
q Mo = F (Mo ) =1 − e 2 = 0 ,393469 = 39 ,3469 %
De forma equivalente se calcula el valor de la función de distribución para la media, que ya
hemos visto que era:
π
E (X ) = ⋅σ
2
2
π
π 2
2 ⋅σ σ
− −2 2
π
π −
q E (X ) = F [E (X )] = F ( ⋅ σ ) =1 − e 2σ2 =1 −e 2σ =1 − e 4 = 0 ,544062 = 54 ,4062%
2
Resumiendo:
π
−
q E ( X ) = F [E (X )] =1 − e 4 = 0 ,544062 = 54 ,4062 %
La mediana es por definición el valor de la variable que corresponde a una probabilidad del
50%:
F (Me ) = 0 ,5
por lo que resultará de resolver la ecuación:
x2
−
0 ,5 =1 − e 2σ2
esto es:
x2
−
e 2σ2 = 0 ,5
Aplicando logaritmos:
x2 1
− Lne = Ln0 ,5 = Ln
2σ 2
2
Operando:
−1
x2 1 1
= −Ln = Ln = Ln 2
2σ 2
2 2
x 2 = 2 σ 2 Ln 2 = σ 2 Ln 2 2 = σ 2 Ln 4
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 9 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
x = σ 2 Ln 4 = σ Ln 4
En definitiva:
Mediana = Me = Ln 4 ⋅σ =1 1774
, ⋅σ
Análogamente, se calcula el primer cuartil, que por definición es aquél valor x de la variable
aleatoria X para el que la función de distribución es del 25%:
F (Q1 ) = 0 ,25
Entonces:
x2
−
0 ,25 =1 − e 2σ 2
x2
−
e 2σ 2 = 0 ,75
x2 3
− = Ln0 ,75 = Ln
2σ 2
4
−1
x2 3 4
= Ln = Ln
2σ 2 4 3
2
4 4 16
x 2 = 2 σ 2 Ln = σ 2 Ln = σ 2 Ln
3 3 9
16
x = σ Ln
9
En definitiva:
16
Q1 = Ln ⋅ σ = 0 ,7585 ⋅ σ
9
En el caso del tercer cuartil:
F (Q 3 ) = 0 ,75
x2
−
0 ,75 =1 − e 2σ 2
x2
−
e 2σ 2 = 0 ,25
x2 1
− = Ln0 ,25 = Ln
2σ 2
4
−1
x2 1
= Ln = Ln 4
2σ 2 4
x 2 = 2 σ 2 Ln 4 = σ 2 Ln 4 2 = σ 2 Ln16
x = σ Ln16
En definitiva:
______________________________________________________________________________________________________
___
Hoja 10 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
Q3 = Ln16 ⋅ σ =1 ,6651 ⋅ σ
n 2
∑xi
σˆ = i =1
2n
es el estimador máximo-verosímil del parámetro σ de la distribución(8).
∏ ∏ (x
x − x − x − i
x − 1
= 12 e 2 σ ⋅ 22 e 2 σ ⋅ ... ⋅ n2 e 2 σ =
2 2 2
2e
2σ 2
= 2n e
2 σ 2 j =1
i )
σ σ σ i =1 σ σ i =1
El estimador máximo-verosímil de σ será el que maximice la función de verosimilitud, o bien
su logaritmo:
−
1 n 2 n
∑x j
Ln [L(x1 , x 2 ,..., x n ;σ )] = Ln 2 n e ∏
1
2 σ 2 j =1
(x i ) =
σ
i =1
− 1 ∑ n
x 2j n n
∏ (x i ) = −2 nLnσ + − 1 2 ∑ x j2 + ∑ Ln (x )
1 2 σ j =1
2 n
= Ln 2 n + Ln e + Ln i
σ i =1 2 σ j =1 i =1
Derivando respecto al parámetro desconocido σ :
8)
López (1994) problema nº 2.47 resuelto en pp.101-102
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 11 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
2n n 2 1
− + ∑x j =0
σˆ j =1 σˆ 3
operando:
n 2 1
∑ x j 2 = 2 n
j =1 σˆ
n 2
∑ x j
=
j =1
σˆ 2
2n
En definitiva:
n 2
∑ x j
σˆ =
j =1
2n
es el estimador máximo-verosímil del parámetro de la distribución Rayleigh.
(9)
6. Relación entre la distribución Rayleigh y la distribución Weibull
9)
McLaughlin (1999) pp. 119-120
______________________________________________________________________________________________________
___
Hoja 12 de 14 TEP 03 A3 v2
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
(10)
7 Relación entre la distribución Rayleigh y la distribución chi (χ)
10)
McLaughlin (1999) pp. 21-22
______________________________________________________________________________________________________
___
TEP 03 A3 v2 Hoja 13 de 14
LA DISTRIBUCIÓN DE RAYLEIGH
______________________________________________________________________________________________________
___
————————
Anexo 1 ————————
(11)
Funciones de variables aleatorias bidimensionales
Sea (X,Y) una variable aleatoria bidimensional continua con función de densidad conjunta
f(x,y). Definimos las variables aleatorias Z y W como una función de las variables aleatorias
X e Y:
Z = H1 (X ,Y )
W = H 2 (X ,Y )
en donde las funciones H1 y H2 satisfacen las siguientes condiciones:
• las ecuaciones:
z = H1 (x , y )
w = H 2 (x , y )
se resuelven para x y para y sólo en función de z y de w:
x = G1 (x , y )
y = G 2 (x , y )
• las derivadas parciales:
∂x ∂x ∂y ∂y
, , ,
∂z ∂w ∂z ∂w
existen y son continuas.
Designartemos como k(z,w) la función de densidad conjunta de la variable aleatoria
bidimensional (Z,W).
Se demuestra que
k (z ,w ) = f (G1 (z , x ),G 2 (z ,w ))J (z ,w )
en donde
∂x ∂x
∂(x , y ) ∂z ∂w
J (z ,w ) = =
∂(z ,w ) ∂y ∂y
∂z ∂w
es el Jacobiano de la transformación (x,y) (z,w).
k(z,w)≠0 para los valores de (z,w) que corresponden a valores de (x,y) para los cuales f(x,y)
≠0.
11)
Meyer (1973) pág.109
______________________________________________________________________________________________________
___
Hoja 14 de 14 TEP 03 A3 v2