Распределение Кумарасвами

Распределение Кумарасвами — это вероятностное распределение непрерывной случайной величины, используемое в теории вероятностей и математической статистике. Оно описывает распределение отношения двух независимых случайных величин, каждая из которых распределена по закону Рэлея с одинаковым масштабным параметром. Распределение названо в честь индийско-американского математика и статистика П. Кумарасвами (P. Kumaraswamy), который впервые описал его в 1980 году. Распределение Кумарасвами является обобщением распределения Рэлея и применяется в различных областях, включая анализ сигналов, радиолокацию, теорию связи и гидрологию.

Определение

Случайная величина \( X \) имеет распределение Кумарасвами с параметрами \( \alpha > 0 \) и \( \beta > 0 \), если её функция распределения (CDF) имеет вид:

\[ F(x) = 1 - (1 - x^\alpha)^\beta, \quad 0 \le x \le 1, \]

где \( \alpha \) — параметр формы, \( \beta \) — параметр масштаба (иногда называемый параметром формы второго рода). Функция плотности вероятности (PDF) определяется как:

\[ f(x) = \alpha \beta x^{\alpha-1} (1 - x^\alpha)^{\beta-1}, \quad 0 \le x \le 1. \]

Для \( x < 0 \) и \( x > 1 \) функция плотности равна нулю. Параметр \( \alpha \) контролирует крутизну распределения вблизи нуля, а \( \beta \) — вблизи единицы. При \( \alpha = 1 \) и \( \beta = 1 \) распределение Кумарасвами сводится к равномерному распределению на отрезке [0, 1].

Свойства

Моменты

\( k \)-й начальный момент распределения Кумарасвами выражается через бета-функцию:

\[ E[X^k] = \beta \cdot B\left(1 + \frac{k}{\alpha}, \beta\right), \]

где \( B(a, b) = \int_0^1 t^{a-1} (1-t)^{b-1} dt \) — бета-функция. В частности, математическое ожидание:

\[ E[X] = \beta \cdot B\left(1 + \frac{1}{\alpha}, \beta\right), \]

а дисперсия:

\[ Var(X) = \beta \cdot B\left(1 + \frac{2}{\alpha}, \beta\right) - \left[\beta \cdot B\left(1 + \frac{1}{\alpha}, \beta\right)\right]^2. \]

Квантили

Квантильная функция (обратная функция распределения) имеет явный вид:

\[ Q(p) = \left[1 - (1-p)^{1/\beta}\right]^{1/\alpha}, \quad 0 \le p \le 1. \]

Это свойство делает распределение Кумарасвами удобным для генерации случайных чисел методом обратного преобразования.

Мода

Мода распределения (точка максимума плотности) существует при \( \alpha > 1 \) и \( \beta > 1 \) и равна:

\[ \text{Mode} = \left(\frac{\alpha - 1}{\alpha\beta - 1}\right)^{1/\alpha}. \]

При \( \alpha \le 1 \) или \( \beta \le 1 \) мода находится на границе интервала (0 или 1).

Связь с другими распределениями

• Распределение Рэлея: если \( X \) имеет распределение Кумарасвами с параметрами \( \alpha = 2 \) и \( \beta = 1 \), то \( X \) распределено по закону Рэлея с масштабным параметром \( \sigma = 1/\sqrt{2} \).
• Бета-распределение: распределение Кумарасвами является частным случаем бета-распределения первого рода (бета-распределения на [0,1]) с параметрами \( a = 1 \) и \( b = \beta \), но только при \( \alpha = 1 \). В общем случае оно не является бета-распределением.
• Равномерное распределение: при \( \alpha = \beta = 1 \) распределение Кумарасвами совпадает с равномерным распределением на [0,1].
• Экспоненциальное распределение: если \( Y = -\ln(1 - X^\alpha) \), то \( Y \) имеет экспоненциальное распределение с параметром \( \beta \).

Применение

Радиолокация и теория связи

В радиолокации распределение Кумарасвами используется для моделирования отношения сигнал-шум (SNR) в каналах с замираниями Рэлея. Оно описывает распределение отношения мощностей двух независимых рэлеевских сигналов, что важно для анализа систем с разнесённым приёмом (например, MRC — maximum ratio combining). В теории связи распределение применяется для оценки вероятности ошибки в системах с когерентным и некогерентным детектированием.

Гидрология и климатология

В гидрологии распределение Кумарасвами используется для моделирования распределения осадков, стока рек и других гидрологических величин, нормированных на единичный интервал. Благодаря гибкой форме (два параметра формы) оно позволяет описывать как симметричные, так и асимметричные распределения, характерные для данных о количестве осадков.

Финансовая математика

В финансовой математике распределение Кумарасвами применяется для моделирования распределения доходностей активов, нормированных на максимальное значение, а также для оценки рисков (Value-at-Risk) в условиях ограниченной ответственности.

Биология и медицина

В биологии распределение используется для анализа пропорций (например, доля выживших организмов, доля поражённых тканей) и для моделирования данных, ограниченных интервалом [0, 1].

Оценка параметров

Для оценки параметров \( \alpha \) и \( \beta \) по выборке \( x_1, x_2, \dots, x_n \) используются методы максимального правдоподобия (ММП) и метод моментов.

Метод максимального правдоподобия

Логарифмическая функция правдоподобия для распределения Кумарасвами:

\[ \ln L(\alpha, \beta) = n \ln \alpha + n \ln \beta + (\alpha - 1) \sum_{i=1}^n \ln x_i + (\beta - 1) \sum_{i=1}^n \ln(1 - x_i^\alpha). \]

Частные производные по \( \alpha \) и \( \beta \) приравниваются к нулю, что даёт систему нелинейных уравнений, решаемую численно (например, методом Ньютона-Рафсона).

Метод моментов

Оценки методом моментов получаются из равенства выборочных и теоретических моментов. Для двух параметров достаточно первых двух моментов:

\[ \bar{x} = \beta \cdot B\left(1 + \frac{1}{\alpha}, \beta\right), \quad \overline{x^2} = \beta \cdot B\left(1 + \frac{2}{\alpha}, \beta\right). \]

Решение системы также требует численных методов.

Примеры

Пример 1: Распределение отношения сигнал-шум

Пусть мощность сигнала и мощность шума независимы и распределены по закону Рэлея с одинаковым масштабным параметром \( \sigma = 1 \). Тогда отношение сигнал-шум \( SNR = S/N \) имеет распределение Кумарасвами с параметрами \( \alpha = 2 \) и \( \beta = 1 \). Функция плотности: \( f(x) = 2x e^{-x^2} \) для \( x \ge 0 \), что соответствует распределению Рэлея.

Пример 2: Моделирование осадков

Пусть доля годовых осадков, выпавших в определённый сезон, моделируется распределением Кумарасвами с параметрами \( \alpha = 0.8 \) и \( \beta = 1.5 \). Тогда функция распределения позволяет оценить вероятность того, что доля осадков превысит заданный порог (например, 0.7).

Интересные факты

• Распределение Кумарасвами иногда называют «обобщённым распределением Рэлея» или «распределением Кумарасвами-Рэлея».
• В отличие от бета-распределения, распределение Кумарасвами имеет явную квантильную функцию, что упрощает генерацию случайных чисел и вычисление квантилей.
• Распределение было впервые описано П. Кумарасвами в 1980 году в статье «A generalized probability density function for double-bounce scattering» в журнале IEEE Transactions on Antennas and Propagation.
• В некоторых источниках распределение Кумарасвами ошибочно называют «распределением Кумарасвами-Рэлея» или «распределением Кумарасвами-Рэлея-Райса».

Источники

• Kumaraswamy, P. (1980). A generalized probability density function for double-bounce scattering. IEEE Transactions on Antennas and Propagation, 28(5), 699-702.
• Johnson, N. L., Kotz, S., & Balakrishnan, N. (1994). Continuous Univariate Distributions (Vol. 1). Wiley.
• Papoulis, A., & Pillai, S. U. (2002). Probability, Random Variables, and Stochastic Processes. McGraw-Hill.
• Gupta, A. K., & Nadarajah, S. (2004). Handbook of Beta Distribution and Its Applications. CRC Press.