Alpha stable distribution
2014/11/16
1
Alpha distributtion 和广义中心极限定理 Alpha distribution in matlab 论文的噪声用alpha的仿真
2014/11/16
2
幂律分布
幂律分布即符合幂函数的分布。用f(x)表示幂 律分布的概率密度函数,.幂律的概率即为 f(x)=cx^-a 图像： 具有长长的拖尾，当x值很小时候，值非常大 常见的有世界的财富分配20/80法则，人们的 收入区别，单词的使用频率 ，油田的分布等等
4
2014/11/16
Alpha稳态分布又称为非高斯稳态分布，重尾分布，最初由P.evy研究 广义中心极限定理是提出的，它是唯一满足广义中心极限定理的分布 ，是高斯分布的推广，拖尾以平方律衰减
2014/11/16
5
稳态分布定义
1）如果随机变量x满足如下条件，则称它是服从稳态分布 对于x的两个相互独立的xl和X2以及任意给定的正的常 数a和b，存在常数c和正的常数d，使得X1和X2按照a和b的 线性组合在分布上满足： aX1+bX2=cX+d (等号两边具有相同的分布)。 2）随机变量X具有一个稳定分布，如果存在参数： 0<ALPHA<=2，gam>=0,-1<=beta<=1,和实数delta,具有如 下特征函数：
2ห้องสมุดไป่ตู้14/11/16
16
持续时间
Lb和Hb天线没有l参数。模拟不出其他两个。Discone的纵轴 值也偏大。原因想不明白。
2014/11/16
17
x = 0:1:1000; beta = 0.02; gam =1.64*10^1; delta =9.7*10^1; plot( x , stblpdf(x,.974,beta,gam,delta,'quick')) axis([0 1000 0 0.03]);
2014/11/16
6
这种是基于特征函数给出的，稳态分布的 PDF除少数特列外，不存在闭式，特征函数 给即概率密度函数的傅里叶变换。
2014/11/16 7
参数对分布的影响
2014/11/16
8
Alpha分布的三个特例 1）高斯分布 形式 2）柯西分布 3）levy 分布
2014/11/16
alpha为2.gam等于gam/sprt（
2014/11/16
20
2014/11/16
21
Alpha特征函数推导—中心极限定 理
中心极限定理：设从均值为μ、方差为σ^2;（有限）的任意一个总体中抽取样 本量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差 为σ^2/n 的正态分布
29
2014/11/16
2014/11/16 3
稳态简介
稳态分布于过程是概率和随机过程理论的一个重要的分支 ，稳定分布能够描述多个独立同分布随机变量的分布汇总 微小随机因素的影响，不变的稳定分布理论最初由利维和 kihinchine提出，稳定分布和大数定理及中心极限定理有 着联系，大数定理描述了随机序列的稳定性，中心极限定 理描述了分布函数的稳定性，alpha稳定分布是唯一满足 稳定率的分布。 它能描述不满足中心极限定理的数据，能够保持自然噪声 过程的产生机制和传播条件的分布，alpha分布是一种更 加广义的高斯分布，概率密度函数的卷积是封闭的，随机 变量相加也是封闭的。具有相同特征指数的分布相加仍然 是alpha的稳定分布。
25
2014/11/16
26
2014/11/16
27
2014/11/16
28
问题
对于论文中的参数我不能确定是否和alpha中 的参数是一一对应的，我通过模拟出图像和论 文中图像对比大致估计出beta的参数。 通过种种科技大学的硕士论文 http://www.doc88.com/p3178715912269.html， http://www.doc88.com/p7068014486687.html，了解了几种估计参数 的方法，但是没有看懂多少。
由论文中参数v, l和 s 分别代表图像的形状即alpha中的alpha，l 是位置 参数即alpha中的delta, s 代表规模参数alpha中的gam。
2014/11/16
14
2014/11/16
15
x = 0:1:1000; beta = 0.9; gam =2.12*10^1; delta =4.41*10^1; plot( x , stblpdf(x,.454,beta,gam,delta,'quick')) axis([0 1000 0 0.03]);
2014/11/16
18
2014/11/16
19
幅度
x = -5:.01:5; beta = 0; gam = 0.537/1.414; delta = 0.195; plot( x , stblpdf(x,2,beta,gam,delta,'quick')) 2） x = -5:.01:5; beta = 0; gam = 0.905/1.414; delta = -0.0422; plot( x , stblpdf(x,2,beta,gam,delta,'quick')) 论文中幅度为正太高斯，有 2）
9
2014/11/16
10
2014/11/16
11
2014/11/16
12
Gam越大分布越分散
2014/11/16
13
论文的噪声用alpha的仿真
x = 0:1:2*10^5; beta = 0.9; gam =1.06*10^4; delta =1.08*10^5; plot( x , stblpdf(x,.171,beta,gam,delta,'quick')) axis([0 2*10^5 0 5*10^-5]);
对于 n 多个方差可能无限的独立同分布变量来说，它们就会收敛到稳定分布 。而且，从无穷多个独立同分布的随机变量和的形式可以推出稳定分布的定 义式。 正态分布之所以非常普遍是因为它是一切独立同分布变量和的极限分布。
2014/11/16
22
2014/11/16
23
2014/11/16
24
2014/11/16
