Distribució del semicercle de Wigner: diferència entre les revisions
m neteja i estandardització de codi |
Afegir referències |
||
Línia 11: | Línia 11: | ||
Aquesta distribució té moments de tots els ordres. Si designem per <math>m_k=\int_{-\infty}^{\infty} x^k\, f(x)\, dx</math> el moment d'ordre <math>k</math>, tenim que <math display="block">m_k=\begin{cases} 0, & \text{si}\ k \ \text{és senar},\\ |
Aquesta distribució té moments de tots els ordres. Si designem per <math>m_k=\int_{-\infty}^{\infty} x^k\, f(x)\, dx</math> el moment d'ordre <math>k</math>, tenim que <math display="block">m_k=\begin{cases} 0, & \text{si}\ k \ \text{és senar},\\ |
||
C_n, & \text{si}\ k=2n, |
C_n, & \text{si}\ k=2n, |
||
\end{cases}</math> |
\end{cases} \qquad (1) </math> |
||
on <math display="block">C_n=\frac{(2n)!}{(n+1)!\,n!}</math>és l'<math>n</math>-èsim [[Nombres de Catalan|nombre de Catalan]]. Compareu aquests moments amb els d'una [[distribució normal]] estàndard. En particular, si <math>X</math> té distribució del semicercle, llavors <math display="block">E[X]=0\quad \text{i}\quad \text{Var}(X)=1.</math> |
on <math display="block">C_n=\frac{(2n)!}{(n+1)!\,n!}</math>és l'<math>n</math>-èsim [[Nombres de Catalan|nombre de Catalan]]. Compareu aquests moments amb els d'una [[distribució normal]] estàndard. En particular, si <math>X</math> té distribució del semicercle, llavors <math display="block">E[X]=0\quad \text{i}\quad \text{Var}(X)=1.</math> |
||
Línia 19: | Línia 19: | ||
Pel cas parell, es redueix la integral a una [[Funció beta de Dirichlet|funció beta]]. En primer lloc, per simetria,<math display="block">m_{2n}=\frac{1}{2\pi}\int_{-2}^2 x^{2n} \sqrt{4-x^2}\, dx=\frac{1}{\pi}\int_{0}^2 x^{2n} \sqrt{4-x^2}\, dx.</math>Ara es fa en canvi de variables <math>x=2\sqrt y</math>. Aleshores, <math>m_{2n}=\frac{2^{2n+1}}{\pi}\int_0^1y^{m-1/2}(1-y)^{1/2}\, dy=\frac{2^{2n+1}}{\pi}\, \text{B}(m+1/2,3/2)= |
Pel cas parell, es redueix la integral a una [[Funció beta de Dirichlet|funció beta]]. En primer lloc, per simetria,<math display="block">m_{2n}=\frac{1}{2\pi}\int_{-2}^2 x^{2n} \sqrt{4-x^2}\, dx=\frac{1}{\pi}\int_{0}^2 x^{2n} \sqrt{4-x^2}\, dx.</math>Ara es fa en canvi de variables <math>x=2\sqrt y</math>. Aleshores, <math>m_{2n}=\frac{2^{2n+1}}{\pi}\int_0^1y^{m-1/2}(1-y)^{1/2}\, dy=\frac{2^{2n+1}}{\pi}\, \text{B}(m+1/2,3/2)= |
||
\frac{2^{2n+1}}{\pi}\,\frac{\Gamma (m+1/2)\,\Gamma(3/2)}{\Gamma(m+2)}=C_n.</math>}} |
\frac{2^{2n+1}}{\pi}\,\frac{\Gamma (m+1/2)\,\Gamma(3/2)}{\Gamma(m+2)}=C_n.</math>}} |
||
<br/> |
|||
'''La destribució del semicercle està determinada pels moments''', això és, si tenim una distribució de probabilitat que té els moments (1), aleshores és la distribució del semicercle. Això es degut a que la distribució del semicercle té suport compacte <ref>{{Ref-llibre|títol=Free probability and random matrices|url=https://www.worldcat.org/oclc/992119245|data=2017|lloc=New York|isbn=978-1-4939-6942-5|nom=James A.|cognom=Mingo|pàgines=34|cognom2=Speicher|nom2=Roland}}</ref>. |
|||
== Funció generatriu de moments, funció característica i transformada de Stieltjes == |
== Funció generatriu de moments, funció característica i transformada de Stieltjes == |
||
Línia 35: | Línia 37: | ||
ja que la <math>\int_{-2}^{2}\sin(tx)\sqrt{4-x^2}\, dx=0</math> per raons de simetria, i fent el mateix canvi de variables que abans a la integral amb el cosinus, s'obté una integral que es redueix a una expressió en termes de la funció <math>J_1</math> de Bessel amb <math>\nu=1</math> <ref>{{Ref-llibre|títol=NIST handbook of mathematical functions|url=https://www.worldcat.org/oclc/502037224|editorial=Cambridge University Press|data=2010|lloc=Cambridge|isbn=978-0-521-19225-5|pàgines=224, fórmula 10.9.4|editor=Olver, F. J., Lozier, D.W., Boisvert R. F. and Clark C. W. (edit)}}</ref>.}} |
ja que la <math>\int_{-2}^{2}\sin(tx)\sqrt{4-x^2}\, dx=0</math> per raons de simetria, i fent el mateix canvi de variables que abans a la integral amb el cosinus, s'obté una integral que es redueix a una expressió en termes de la funció <math>J_1</math> de Bessel amb <math>\nu=1</math> <ref>{{Ref-llibre|títol=NIST handbook of mathematical functions|url=https://www.worldcat.org/oclc/502037224|editorial=Cambridge University Press|data=2010|lloc=Cambridge|isbn=978-0-521-19225-5|pàgines=224, fórmula 10.9.4|editor=Olver, F. J., Lozier, D.W., Boisvert R. F. and Clark C. W. (edit)}}</ref>.}} |
||
Per estudiar les propietats de les matrius aleatòries, s'utlitza la [[:en:Stieltjes_transformation|transformada de Stieltjes]]. La transformada de Stieltjes d'una probabilitat <math>p</math> a <math>\mathbb R</math> es defineix <ref>{{Ref-llibre|títol=Topics in random matrix theory|url=https://www.worldcat.org/oclc/767255119|editorial=American Mathematical Society|data=2012|lloc=Providence, R.I.|isbn=978-0-8218-7430-1|nom=Terence|cognom=Tao|pàgines=143}}</ref> per<math display="block">s(z)=\int_{\mathbb R} \frac{1}{x-z}\, dp(x),\quad z\in \mathbb C\setminus\text{sup}(p),</math>on <math>\text{sup}(p)</math> és el [[Suport d'una probabilitat|suport]] de <math>p</math>; en particular, <math>s</math> està ben definida en <math>\mathbb C\setminus \mathbb R</math> . Si la probabilitat <math>p</math> té densitat <math>g</math>, aleshores <math display="block">s(z)=\int_{\mathbb R} \frac{g(x)}{x-z}\, dx.</math>La transformada de Stieltjes determina unívocament una distribució de probabilitat i té molt bones propietats respecte la convergència feble de probabilitats <ref>{{Ref-llibre|títol=An introduction to random matrices|url=https://www.worldcat.org/oclc/422765044|editorial=Cambridge University Press|data=2010|lloc=Cambridge|isbn=978-0-521-19452-5|nom=Greg W.|cognom=Anderson|pàgines=44-45|cognom2=Guionnet|nom2=Alice|cognom3=Zeituni|nom3=Ofer}}</ref>. |
Per estudiar les propietats de les matrius aleatòries, s'utlitza la [[:en:Stieltjes_transformation|transformada de Stieltjes]]. La transformada de Stieltjes d'una probabilitat <math>p</math> a <math>\mathbb R</math> es defineix <ref>{{Ref-llibre|títol=Topics in random matrix theory|url=https://www.worldcat.org/oclc/767255119|editorial=American Mathematical Society|data=2012|lloc=Providence, R.I.|isbn=978-0-8218-7430-1|nom=Terence|cognom=Tao|pàgines=143}}</ref> per<math display="block">s(z)=\int_{\mathbb R} \frac{1}{x-z}\, dp(x),\quad z\in \mathbb C\setminus\text{sup}(p),</math>on <math>\text{sup}(p)</math> és el [[Suport d'una probabilitat|suport]] de <math>p</math>; en particular, <math>s</math> està ben definida en <math>\mathbb C\setminus \mathbb R</math> . Si la probabilitat <math>p</math> té densitat <math>g</math>, aleshores <math display="block">s(z)=\int_{\mathbb R} \frac{g(x)}{x-z}\, dx.</math>La transformada de Stieltjes determina unívocament una distribució de probabilitat i té molt bones propietats respecte la convergència feble de probabilitats <ref>{{Ref-llibre|títol=An introduction to random matrices|url=https://www.worldcat.org/oclc/422765044|editorial=Cambridge University Press|data=2010|lloc=Cambridge|isbn=978-0-521-19452-5|nom=Greg W.|cognom=Anderson|pàgines=44-45|cognom2=Guionnet|nom2=Alice|cognom3=Zeituni|nom3=Ofer}}</ref>. La funció també s'anomena transformada de Cauchy <ref>{{Ref-llibre|títol=Free probability and random matrices|url=https://www.worldcat.org/oclc/992119245|data=2017|lloc=New York|isbn=978-1-4939-6942-5|nom=James A.|cognom=Mingo|pàgines=60|cognom2=Speicher|nom2=Roland}}</ref>. |
||
Línia 42: | Línia 44: | ||
== La distribució del semicercle i probabilitats lliures == |
== La distribució del semicercle i probabilitats lliures == |
||
La distribució dels semicercle té, en probabilitats lliures (''[[:en:Free_probability|free probability]]''), |
La distribució dels semicercle té, en probabilitats lliures (''[[:en:Free_probability|free probability]]''), un paper anàleg en molts aspectes al de la distribució normal. Per exemple, en el teorema central del límit per a variables lliures el límit és una distribució del semicercle <ref>{{Ref-llibre|títol=Free random variables : a noncommutative probability approach to free products with applications to random matrices, operator algebras, and harmonic analysis on free groups|url=https://www.worldcat.org/oclc/26852238|editorial=American Mathematical Society|data=1992|lloc=Providence, R.I., USA|isbn=0-8218-6999-X|nom=D. V.|cognom=Voiculescu|pàgines=29|cognom2=Dykema|nom2=K.J.|cognom3=Nica|nom3=A.}}</ref>. De la mateixa manera que la [[distribució normal]] estàndard està caracteritzada perquè tots els cumulants són zero, excepte el d'ordre 2 que val 1, la distribució del semicercle ho està pel fet que tots els cumulants lliures són zero excepte el d'ordre 2 que és 1 <ref>{{Ref-llibre|títol=Free probability and random matrices|url=https://www.worldcat.org/oclc/992119245|data=2017|lloc=New York|isbn=978-1-4939-6942-5|nom=James A.|cognom=Mingo|pàgines=44|cognom2=Speicher|nom2=Roland}}</ref>. |
||
== Distribució del semicercle amb paràmetres == |
== Distribució del semicercle amb paràmetres == |
Revisió del 18:17, 19 gen 2023
La distribució del semicercle de Wigner, o senzillament distribució del semicercle, va ser introduïda pel físic hongarès-americà Eugene Wigner (1902-1995) [1] en relació amb la distribució asimptòtica dels valors propis de certes matrius aleatòries simètriques.
Funció de densitat i moments
La funció de densitat de la distribució del semicercle és [2]
Correspon a una distribució beta amb quatre paràmetres amb , i . El gràfic d'aquesta densitat és una semi-el·lipse, vegeu la la Figura 1.
Aquesta distribució té moments de tots els ordres. Si designem per el moment d'ordre , tenim que
on
La destribució del semicercle està determinada pels moments, això és, si tenim una distribució de probabilitat que té els moments (1), aleshores és la distribució del semicercle. Això es degut a que la distribució del semicercle té suport compacte [3].
Funció generatriu de moments, funció característica i transformada de Stieltjes
La distribució del semicercle té funció generatriu de moments en tot ,
La funció característica val
La funció característica es calcula de manera similar:
Per estudiar les propietats de les matrius aleatòries, s'utlitza la transformada de Stieltjes. La transformada de Stieltjes d'una probabilitat a es defineix [6] per
La distribució del semicercle té transformada de Stieltjes donada per
La distribució del semicercle i probabilitats lliures
La distribució dels semicercle té, en probabilitats lliures (free probability), un paper anàleg en molts aspectes al de la distribució normal. Per exemple, en el teorema central del límit per a variables lliures el límit és una distribució del semicercle [10]. De la mateixa manera que la distribució normal estàndard està caracteritzada perquè tots els cumulants són zero, excepte el d'ordre 2 que val 1, la distribució del semicercle ho està pel fet que tots els cumulants lliures són zero excepte el d'ordre 2 que és 1 [11].
Distribució del semicercle amb paràmetres
Diversos autors introdueixen una distribució del semicercle amb un o dos paràmetres. Cal dir que les notacions no són universals. La distribució del semicercle amb paràmetre i ve donada per la densitat [12]
La definició inicial que hem donat a la primera secció correspon als paràmetres i . Designarem aquesta distribució per . Quan , llavors la denotarem per .
Si és una variable aleatòria amb la distribució del semicercle, , aleshores , la qual cosa permet deduir els moments, la funció generatriu de moments, etc. de la distribució .
Estudiem amb més detall la distribució : la seva densitat és
Vegeu a la Figura 2 diverses densitats segons el paràmetre .
Aplicant que si , aleshores , deduïm que el moment d'ordre de és
La funció generatriu de moments és
Notes
- ↑ Wigner, Eugene P. «On the Distribution of the Roots of Certain Symmetric Matrices». Annals of Mathematics, 67, 2, 1958, pàg. 325–327. DOI: 10.2307/1970008. ISSN: 0003-486X.
- ↑ Anderson, Greg W.; Guionnet, Alice; Zeituni, Ofer. An introduction to random matrices. Cambridge: Cambridge University Press, 2010, p. 7. ISBN 978-0-521-19452-5.
- ↑ Mingo, James A.; Speicher, Roland. Free probability and random matrices, 2017, p. 34. ISBN 978-1-4939-6942-5.
- ↑ Olver, F. J., Lozier, D.W., Boisvert R. F. and Clark C. W. (edit). NIST handbook of mathematical functions. Cambridge: Cambridge University Press, 2010, p. 252, fórmula 10.32.1. ISBN 978-0-521-19225-5.
- ↑ Olver, F. J., Lozier, D.W., Boisvert R. F. and Clark C. W. (edit). NIST handbook of mathematical functions. Cambridge: Cambridge University Press, 2010, p. 224, fórmula 10.9.4. ISBN 978-0-521-19225-5.
- ↑ Tao, Terence. Topics in random matrix theory. Providence, R.I.: American Mathematical Society, 2012, p. 143. ISBN 978-0-8218-7430-1.
- ↑ Anderson, Greg W.; Guionnet, Alice; Zeituni, Ofer. An introduction to random matrices. Cambridge: Cambridge University Press, 2010, p. 44-45. ISBN 978-0-521-19452-5.
- ↑ Mingo, James A.; Speicher, Roland. Free probability and random matrices, 2017, p. 60. ISBN 978-1-4939-6942-5.
- ↑ Bai, Zhidong; Silverstein, Jack W.. Spectral analysis of large dimensional random matrices. 2nd ed. New York: Springer, 2010, p. 32. ISBN 978-1-4419-0661-8.
- ↑ Voiculescu, D. V.; Dykema, K.J.; Nica, A. Free random variables : a noncommutative probability approach to free products with applications to random matrices, operator algebras, and harmonic analysis on free groups. Providence, R.I., USA: American Mathematical Society, 1992, p. 29. ISBN 0-8218-6999-X.
- ↑ Mingo, James A.; Speicher, Roland. Free probability and random matrices, 2017, p. 44. ISBN 978-1-4939-6942-5.
- ↑ Hiai, Fumio; Petz, Dénes. The semicircle law, free random variables, and entropy. Providence, RI: American Mathematical Society, 2000, p. 23. ISBN 0-8218-2081-8.