Distribució bivariada de von Mises

De la Viquipèdia, l'enciclopèdia lliure
Infotaula distribució de probabilitatDistribució bivariada de von Mises
Tipusdistribució de probabilitat Modifica el valor a Wikidata
EpònimRichard von Mises Modifica el valor a Wikidata

En teoria i estadística de probabilitats, la distribució bivariada de von Mises és una distribució de probabilitat que descriu valors en un tor. Es pot considerar com un anàleg del to de la distribució normal bivariada.

La distribució pertany al camp de l'estadística direccional. La distribució bivariada general de von Mises va ser proposada per primera vegada per Kanti Mardia el 1975.[1][2] Una de les seves variants s'utilitza avui en el camp de la bioinformàtica per formular un model probabilístic d'estructura de proteïnes en detall atòmic,[3][4] com les biblioteques de rotamers dependents de la columna vertebral.

Definició[modifica]

La distribució bivariada de von Mises és una distribució de probabilitat definida en el torus, en . La funció de densitat de probabilitat de la distribució bivariada general de von Mises per als angles ve donada per [5]

on i són els mitjans per i , i la seva concentració i la matriu està relacionada amb la seva correlació.

Dues variants d'ús habitual de la distribució bivariada de von Mises són la variant sinus i cosinus. La variant del cosinus de la distribució bivariada de von Mises [6] té la funció de densitat de probabilitat

on i són els mitjans per i , i la seva concentració i està relacionada amb la seva correlació. és la constant de normalització. Aquesta distribució amb =0 s'ha utilitzat per a les estimacions de la densitat del nucli de la distribució dels angles dièdrics de proteïnes i .

La variant sinus té la funció de densitat de probabilitat [7]

on els paràmetres tenen la mateixa interpretació.

Referències[modifica]

  1. Mardia, Kanti «"Statistics of directional data"». J. R. Stat. Soc. B, 37, 3, 1975, pàg. 349–393. JSTOR: 2984782.
  2. Mardia, K. V.. «Statistics of Bivariate von Mises Distributions». A: Bayesian Methods in Structural Bioinformatics (en anglès), 2012, p. 159 (Statistics for Biology and Health). DOI 10.1007/978-3-642-27225-7_6. ISBN 978-3-642-27224-0. 
  3. Boomsma, W.; Mardia, K. V.; Taylor, C. C.; Ferkinghoff-Borg, J.; Krogh, A. «"A generative, probabilistic model of local protein structure"». Proceedings of the National Academy of Sciences, 105, 26, 2008, pàg. 8932–7. Bibcode: 2008PNAS..105.8932B. DOI: 10.1073/pnas.0801715105. PMC: 2440424. PMID: 18579771 [Consulta: free].
  4. Shapovalov MV, Dunbrack, RL «"A smoothed backbone-dependent rotamer library for proteins derived from adaptive kernel density estimates and regressions"». Structure, 19, 6, 2011, pàg. 844–858. DOI: 10.1016/j.str.2011.03.019. PMC: 3118414. PMID: 21645855.
  5. Mardia, Kanti «"Probabilistic model for two dependent circular variables"». J. R. Stat. Soc. B, 37, 3, 1975, pàg. 349–393. JSTOR: 2984782.
  6. Boomsma, W.; Mardia, K. V.; Taylor, C. C.; Ferkinghoff-Borg, J.; Krogh, A. Proceedings of the National Academy of Sciences, 105, 26, 2008, pàg. 8932–7. Bibcode: 2008PNAS..105.8932B. DOI: 10.1073/pnas.0801715105. PMC: 2440424. PMID: 18579771 [Consulta: lliure].
  7. Singh, H. Biometrika, 89, 3, 2002, pàg. 719–723. DOI: 10.1093/biomet/89.3.719.