En teoría de la probabilidad y estadística , la distribución χ es un tipo de distribución de probabilidad continua. Es la distribución de la raíz cuadrada positiva de la suma de los cuadrados de un conjunto de variables aleatorias independientes, cada una siguiendo un distribución normal estándar o, de manera equivalente, la distribución de la distancia euclidiana de las variables aleatorias desde el origen. Por lo tanto, se relaciona con la distribución χ² al describir la distribución de las raíces cuadradas positivas de una variable que obedece a una distribución chi-cuadrado.
Distribución χ (Chi)
Función de densidad de probabilidad
Función de distribución de probabilidad Parámetros
k
>
0
{\displaystyle k>0\,}
Dominio
x
∈
[
0
,
∞
)
{\displaystyle x\in [0,\infty )}
Función de densidad (pdf)
1
2
(
k
/
2
)
−
1
Γ
(
k
/
2
)
x
k
−
1
e
−
x
2
/
2
{\displaystyle {\frac {1}{2^{(k/2)-1}\Gamma (k/2)}}\;x^{k-1}e^{-x^{2}/2}}
Función de distribución (cdf)
P
(
k
/
2
,
x
2
/
2
)
{\displaystyle P(k/2,x^{2}/2)\,}
Media
μ
=
2
Γ
(
(
k
+
1
)
/
2
)
Γ
(
k
/
2
)
{\displaystyle \mu ={\sqrt {2}}\,{\frac {\Gamma ((k+1)/2)}{\Gamma (k/2)}}}
Mediana
≈
k
(
1
−
2
9
k
)
3
{\displaystyle \approx {\sqrt {k{\bigg (}1-{\frac {2}{9k}}{\bigg )}^{3}}}}
Moda
k
−
1
{\displaystyle {\sqrt {k-1}}\,}
k
≥
1
{\displaystyle k\geq 1}
Varianza
σ
2
=
k
−
μ
2
{\displaystyle \sigma ^{2}=k-\mu ^{2}\,}
Coeficiente de simetría
γ
1
=
μ
σ
3
(
1
−
2
σ
2
)
{\displaystyle \gamma _{1}={\frac {\mu }{\sigma ^{3}}}\,(1-2\sigma ^{2})}
Curtosis
2
σ
2
(
1
−
μ
σ
γ
1
−
σ
2
)
{\displaystyle {\frac {2}{\sigma ^{2}}}(1-\mu \sigma \gamma _{1}-\sigma ^{2})}
Entropía
ln
(
Γ
(
k
/
2
)
)
+
{\displaystyle \ln(\Gamma (k/2))+\,}
1
2
(
k
−
ln
(
2
)
−
(
k
−
1
)
ψ
0
(
k
/
2
)
)
{\displaystyle {\frac {1}{2}}(k\!-\!\ln(2)\!-\!(k\!-\!1)\psi _{0}(k/2))}
Función generadora de momentos (mgf)
Complicada (véase el texto) Función característica
Complicada (véase el texto)
Los ejemplos más familiares son la distribución de Rayleigh (distribución de chi con dos grados de libertad ) y la distribución de Boltzmann de las velocidades moleculares en un gas ideal (distribución chi con tres grados de libertad).
Si
X
i
{\displaystyle X_{i}}
k variables aleatorias independientes, normalmente distribuidas con medias
μ
i
{\displaystyle \mu _{i}}
desviaciones típicas
σ
i
{\displaystyle \sigma _{i}}
Y
=
∑
i
=
1
k
(
X
i
−
μ
i
σ
i
)
2
{\displaystyle Y={\sqrt {\sum _{i=1}^{k}\left({\frac {X_{i}-\mu _{i}}{\sigma _{i}}}\right)^{2}}}}
se distribuye de acuerdo a la distribución chi. En consecuencia, al dividir por la media de la distribución chi (escalada por la raíz cuadrada de n − 1) se obtiene el factor de corrección del sesgo de la desviación típica de la distribución normal. La distribución chi tiene un parámetro:
k
{\displaystyle k}
grados de libertad (es decir, el número de
X
i
{\displaystyle X_{i}}
editar
La función de densidad de probabilidad de la distribución chi es
f
(
x
;
k
)
=
{
x
k
−
1
e
−
x
2
2
2
k
2
−
1
Γ
(
k
2
)
,
x
≥
0
;
0
,
en caso contrario
.
{\displaystyle f(x;k)={\begin{cases}{\dfrac {x^{k-1}e^{-{\frac {x^{2}}{2}}}}{2^{{\frac {k}{2}}-1}\Gamma \left({\frac {k}{2}}\right)}},&x\geq 0;\\0,&{\text{en caso contrario}}.\end{cases}}}
donde
Γ
(
z
)
{\displaystyle \Gamma (z)}
función gamma .
editar
La función de distribución acumulada está dada por:
F
(
x
;
k
)
=
P
(
k
/
2
,
x
2
/
2
)
{\displaystyle F(x;k)=P(k/2,x^{2}/2)\,}
donde
P
(
k
,
x
)
{\displaystyle P(k,x)}
función gamma incompleta .
editar
La función generadora de momentos viene dada por:
M
(
t
)
=
M
(
k
2
,
1
2
,
t
2
2
)
+
t
2
Γ
(
(
k
+
1
)
/
2
)
Γ
(
k
/
2
)
M
(
k
+
1
2
,
3
2
,
t
2
2
)
,
{\displaystyle M(t)=M\left({\frac {k}{2}},{\frac {1}{2}},{\frac {t^{2}}{2}}\right)+t{\sqrt {2}}\,{\frac {\Gamma ((k+1)/2)}{\Gamma (k/2)}}M\left({\frac {k+1}{2}},{\frac {3}{2}},{\frac {t^{2}}{2}}\right),}
donde
M
(
a
,
b
,
z
)
{\displaystyle M(a,b,z)}
función hipergeométrica confluente de Kummer. Su función característica está dada por:
φ
(
t
;
k
)
=
M
(
k
2
,
1
2
,
−
t
2
2
)
+
i
t
2
Γ
(
(
k
+
1
)
/
2
)
Γ
(
k
/
2
)
M
(
k
+
1
2
,
3
2
,
−
t
2
2
)
.
{\displaystyle \varphi (t;k)=M\left({\frac {k}{2}},{\frac {1}{2}},{\frac {-t^{2}}{2}}\right)+it{\sqrt {2}}\,{\frac {\Gamma ((k+1)/2)}{\Gamma (k/2)}}M\left({\frac {k+1}{2}},{\frac {3}{2}},{\frac {-t^{2}}{2}}\right).}
El momento sin procesar viene dado por:
μ
j
=
2
j
/
2
Γ
(
(
k
+
j
)
/
2
)
Γ
(
k
/
2
)
{\displaystyle \mu _{j}=2^{j/2}{\frac {\Gamma ((k+j)/2)}{\Gamma (k/2)}}}
donde
Γ
(
z
)
{\displaystyle \Gamma (z)}
función gamma . Los primeros momentos simples son:
μ
1
=
2
Γ
(
(
k
+
1
)
/
2
)
Γ
(
k
/
2
)
{\displaystyle \mu _{1}={\sqrt {2}}\,\,{\frac {\Gamma ((k\!+\!1)/2)}{\Gamma (k/2)}}}
μ
2
=
k
{\displaystyle \mu _{2}=k\,}
μ
3
=
2
2
Γ
(
(
k
+
3
)
/
2
)
Γ
(
k
/
2
)
=
(
k
+
1
)
μ
1
{\displaystyle \mu _{3}=2{\sqrt {2}}\,\,{\frac {\Gamma ((k\!+\!3)/2)}{\Gamma (k/2)}}=(k+1)\mu _{1}}
μ
4
=
(
k
)
(
k
+
2
)
{\displaystyle \mu _{4}=(k)(k+2)\,}
μ
5
=
4
2
Γ
(
(
k
+
5
)
/
2
)
Γ
(
k
/
2
)
=
(
k
+
1
)
(
k
+
3
)
μ
1
{\displaystyle \mu _{5}=4{\sqrt {2}}\,\,{\frac {\Gamma ((k\!+\!5)/2)}{\Gamma (k/2)}}=(k+1)(k+3)\mu _{1}}
μ
6
=
(
k
)
(
k
+
2
)
(
k
+
4
)
{\displaystyle \mu _{6}=(k)(k+2)(k+4)\,}
donde las expresiones de la derecha de cada ecuación se deducen usando la relación de recurrencia para la función gamma:
Γ
(
x
+
1
)
=
x
Γ
(
x
)
{\displaystyle \Gamma (x+1)=x\Gamma (x)\,}
De estas expresiones se pueden deducir las siguientes relaciones:
Media:
μ
=
2
Γ
(
(
k
+
1
)
/
2
)
Γ
(
k
/
2
)
{\displaystyle \mu ={\sqrt {2}}\,\,{\frac {\Gamma ((k+1)/2)}{\Gamma (k/2)}}}
Varianza:
σ
2
=
k
−
μ
2
{\displaystyle \sigma ^{2}=k-\mu ^{2}\,}
Sesgo:
γ
1
=
μ
σ
3
(
1
−
2
σ
2
)
{\displaystyle \gamma _{1}={\frac {\mu }{\sigma ^{3}}}\,(1-2\sigma ^{2})}
Exceso de kurtosis:
γ
2
=
2
σ
2
(
1
−
μ
σ
γ
1
−
σ
2
)
{\displaystyle \gamma _{2}={\frac {2}{\sigma ^{2}}}(1-\mu \sigma \gamma _{1}-\sigma ^{2})}
La entropía viene dada por:
S
=
ln
(
Γ
(
k
/
2
)
)
+
1
2
(
k
−
ln
(
2
)
−
(
k
−
1
)
ψ
0
(
k
/
2
)
)
{\displaystyle S=\ln(\Gamma (k/2))+{\frac {1}{2}}(k\!-\!\ln(2)\!-\!(k\!-\!1)\psi _{0}(k/2))}
donde
ψ
0
(
z
)
{\displaystyle \psi _{0}(z)}
función poligamma .
Distribuciones relacionadas
editar
Si
X
∼
χ
k
(
x
)
{\displaystyle X\sim \chi _{k}(x)}
X
2
∼
χ
k
2
{\displaystyle X^{2}\sim \chi _{k}^{2}}
Distribución χ² )
lim
k
→
∞
χ
k
(
x
)
−
μ
k
σ
k
→
d
N
(
0
,
1
)
{\displaystyle \lim _{k\to \infty }{\tfrac {\chi _{k}(x)-\mu _{k}}{\sigma _{k}}}{\xrightarrow {d}}\ N(0,1)\,}
Distribución normal )Si
X
∼
N
(
0
,
1
)
{\displaystyle X\sim N(0,1)\,}
|
X
|
∼
χ
1
(
x
)
{\displaystyle |X|\sim \chi _{1}(x)\,}
Si
X
∼
χ
1
(
x
)
{\displaystyle X\sim \chi _{1}(x)\,}
σ
X
∼
H
N
(
σ
)
{\displaystyle \sigma X\sim HN(\sigma )\,}
Distribución seminormal ) para cualquier
σ
>
0
{\displaystyle \sigma >0\,}
χ
2
(
x
)
∼
R
a
y
l
e
i
g
h
(
1
)
{\displaystyle \chi _{2}(x)\sim \mathrm {Rayleigh} (1)\,}
Distribución de Rayleigh )
χ
3
(
x
)
∼
M
a
x
w
e
l
l
(
1
)
{\displaystyle \chi _{3}(x)\sim \mathrm {Maxwell} (1)\,}
Distribución de Boltzmann )
‖
N
i
=
1
,
…
,
k
(
0
,
1
)
‖
2
∼
χ
k
(
x
)
{\displaystyle \|{\boldsymbol {N}}_{i=1,\ldots ,k}{(0,1)}\|_{2}\sim \chi _{k}(x)}
norma bidimensional de las
k
{\displaystyle k}
k
{\displaystyle k}
grados de libertad )La distribución χ es un caso especial de distribución gamma generalizada o distribución de Nakagami o distribución χ descentrada
Varias distribuciones χ y χ²
Nombre
Estadística
Distribución χ²
∑
i
=
1
k
(
X
i
−
μ
i
σ
i
)
2
{\displaystyle \sum _{i=1}^{k}\left({\frac {X_{i}-\mu _{i}}{\sigma _{i}}}\right)^{2}}
Distribución χ² descentrada
∑
i
=
1
k
(
X
i
σ
i
)
2
{\displaystyle \sum _{i=1}^{k}\left({\frac {X_{i}}{\sigma _{i}}}\right)^{2}}
Distribución χ
∑
i
=
1
k
(
X
i
−
μ
i
σ
i
)
2
{\displaystyle {\sqrt {\sum _{i=1}^{k}\left({\frac {X_{i}-\mu _{i}}{\sigma _{i}}}\right)^{2}}}}
Distribución χ descentrada
∑
i
=
1
k
(
X
i
σ
i
)
2
{\displaystyle {\sqrt {\sum _{i=1}^{k}\left({\frac {X_{i}}{\sigma _{i}}}\right)^{2}}}}
Martha L. Abell, James P. Braselton, John Arthur Rafter, John A. Rafter, Statistics with Mathematica (1999), 237f.
Jan W. Gooch, Encyclopedic Dictionary of Polymers vol. 1 (2010), Appendix E, p. 972 . 
Datos: Q917521