Loi de Rayleigh

En probabilités et en statistiques, la loi de Rayleigh, est une loi de probabilité à densité. Elle apparaît comme la norme d'un vecteur gaussien bi-dimensionnel dont les coordonnées sont indépendantes, centrées et de même variance. Cette loi de probabilité est baptisée d'après Lord Rayleigh. Typiquement, la distance D à laquelle une particule se trouve de son point de départ, après avoir effectué n pas d'une marche aléatoire symétrique dans le plan, suit approximativement une loi de Rayleigh de paramètre . Dans un tout autre domaine, elle est fréquemment utilisée pour décrire l'enveloppe d'un processus de Gauss à bande étroite. La loi de Rayleigh est la loi de probabilité de densité : pour Les moments sont donnés par : où Γ(z) est la fonction Gamma. L'espérance et la variance d'une variable aléatoire de Rayleigh X sont les suivantes : et Le coefficient d'asymétrie ( skewness) est : La kurtosis est : La fonction caractéristique est : où erfi(z) est la fonction d'erreur complexe. La transformée de Laplace est où erf(z) est la fonction d'erreur. L'entropie est où γ est la constante d'Euler-Mascheroni. Étant donné N variables de Rayleigh indépendantes et de même loi de paramètre σ, l'estimateur du maximum de vraisemblance de σ est Étant donné une variable U uniforme sur l'intervalle ]0;1[, la variable suit la loi de Rayleigh de paramètre σ. Cela provient de la forme de la fonction de répartition, en particulier du théorème de la réciproque, et du fait que 1–U a même loi que U. suit la loi de Rayleigh si , où et sont deux variables gaussiennes indépendantes, ce qui explique le choix du symbole "σ" pour paramétriser la loi de Rayleigh. Si , alors R suit la loi du χ2 avec deux degrés de liberté: qui est une loi exponentielle de paramètre 1/2. Si X suit une loi exponentielle , alors . Si , et si les R forment une suite de variables indépendantes, alors suit une loi gamma de paramètres N et 2σ : . La loi de Rice est une généralisation de la loi de Rayleigh. thumb|350px|Trois réalisations de marches aléatoires isotropes sur le réseau (en pas).

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (38)

Personnes associées (4)

Unités associées (12)

Concepts associés (19)

Cours associés (5)

Séances de cours associées (32)

PHYS-106(a): General physics : thermodynamics

Le but du cours de Physique générale est de donner à l'étudiant les notions de base nécessaires à la compréhension des phénomènes physiques. L'objectif est atteint lorsque l'étudiant est capable de pr

MATH-444: Multivariate statistics

Multivariate statistics focusses on inferring the joint distributional properties of several random variables, seen as random vectors, with a main focus on uncovering their underlying dependence struc

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practi

Statistiques multivariées: Wishart et Hotelling T2 MATH-444: Multivariate statistics

Explore la distribution de Wishart, les propriétés des matrices de Wishart, et la distribution de T2 de Hotelling, y compris la statistique T2 de deux exemples Hotelling.

Copules et valeurs extrêmes MATH-447: Risk, rare events and extremes

Explore les copules pour mesurer la résistance de la dépendance dans les distributions et transformer les variables en marges Fréchet unitaires.

Confidentialité des données dans la recherche en cybersanté HUM-485: Data in context: Critical Data Studies I

Explore les défis et les perspectives en matière de protection des données dans la recherche sur la cybersanté, en mettant l'accent sur la conformité au RGPD, la gestion sensible des données de santé et les agents décentralisés.

RUM: Reconfigurable Umbrella Mesh

Mark Pauly, Florin Isvoranu, Uday Kusupati, Seiichi Eduardo Suzuki Erazo

We propose Reconfigurable Umbrella Meshes (RUMs), a new class of preassembled deployable structures. A RUM has a compact rest state that can be easily altered to deploy into different bending-active 3D target shapes. RUMs consist of elastic beams and rigid ...

De Gruyter2023

We develop an exchange rate target zone model with finite exit time and non-Gaussian tails. We show how the tails are a consequence of time-varying investor risk aversion, which generates mean-preserving spreads in the fundamental distribution. We solve ex ...

2023

Minimax rate for optimal transport regression between distributions

Victor Panaretos, Laya Ghodrati

Distribution-on-distribution regression considers the problem of formulating and es-timating a regression relationship where both covariate and response are probability distributions. The optimal transport distributional regression model postulates that th ...

ELSEVIER2022

Loi de Laplace (probabilités)

En théorie des probabilités et en statistiques, la loi (distribution) de Laplace est une densité de probabilité continue, portant le nom de Pierre-Simon de Laplace. On la connaît aussi sous le nom de loi double exponentielle, car sa densité peut être vue comme l'association des densités de deux lois exponentielles, accolées dos à dos. La loi de Laplace s'obtient aussi comme résultat de la différence de deux variables exponentielles indépendantes.

Rician fading

Rician fading or Ricean fading is a stochastic model for radio propagation anomaly caused by partial cancellation of a radio signal by itself — the signal arrives at the receiver by several different paths (hence exhibiting multipath interference), and at least one of the paths is changing (lengthening or shortening). Rician fading occurs when one of the paths, typically a line of sight signal or some strong reflection signals, is much stronger than the others. In Rician fading, the amplitude gain is characterized by a Rician distribution.

Paramètre de forme

vignette|La loi Gamma est régie par deux paramètres de formes : k et θ. Un changement d'un de ces paramètres ne change pas seulement la position ou l'échelle de la distribution, mais également sa forme. Dans la théorie des probabilités et en statistiques, un paramètre de forme est un type de paramètre régissant une famille paramétrique de lois de probabilité. Un paramètre de forme est un paramètre d'une loi de probabilité qui n'est pas un paramètre affine, donc ni un paramètre de position ni un paramètre d'échelle.