Probabilité d'une relation sur la distribution uniforme des points sur l'espace 2D

9

Supposons qu'un ensemble de nœuds est dispersé sur une surface 2D sorte que pour tout , le nombre de nœuds à l'intérieur de suit une distribution de Poisson avec paramètre , oùmontre l'aire du sous-ensemble et est l'intensité des points (nombre moyen de points par unité de surface).SASA|A|ρ|A|Aρ

Nous ne nous intéressons qu'aux points à l'intérieur d'un cercle donné de rayon . Le nombre de nœuds à l'intérieur du cercle est une variable de Poisson avec le paramètre . Nous choisissons au hasard deux nœuds à l'intérieur du cercle. Soit et la distance du premier et du deuxième noeud par rapport au centre du cercle.rρπr2d1d2

Distribution 2D

Comment puis-je calculer la probabilité de l'événement:

d12<d22A(1+Bd22)
où et sont des constantes.AB

Éditer:

  1. Supposons et .A>0B>0

  2. Je m'intéresse au processus lui-même, pas aux points générés par le processus (comme décrit dans sa réponse ci-dessous).

  3. Que diriez-vous du cas où et est remplacé par et pour (je suppose que cela modifie le problème depuis et ne sont plus distribués uniformément).d12d22d1αd2αα>2d1αd2α

Hélium
la source
Compte tenu de la formulation du problème, il semble que le nombre de points si fixe, disons . Soit le nombre de points à l'intérieur du cercle. Vous pouvez ensuite vérifier combien de paires satisfont cette inégalité, disons . Par conséquent, si vous choisissez deux points au hasard, la probabilité qu'ils satisfassent à l'inégalité est . Notez que je considère que si satisfait l'inégalité, alors satisfait également l'inégalité. NM<Nkk/(M2)(p1,p2)(p2,p1)
2
Je me demande comment définissez-vous une distribution "uniforme" sur ? R2
2
Alors je pense que c'est un problème différent, mais un processus spatial de Poisson est maintenant bien défini. Vous pouvez essayer de formuler le problème en fonction de vos nouveaux intérêts.
1
Quelle est la différence avec un processus ponctuel de Poisson?
Xi'an
1
@ Xi'an: (+1) Autant que je sache d'après la description, ce n'est pas le cas! :)
cardinal

Réponses:

8

Il existe au moins deux interprétations: l' une concerne les points réels générés par ce processus et l'autre concerne le processus lui-même.

Si une réalisation du processus de Poisson est donnée et que des paires de points doivent être choisies dans cette réalisation, alors il n'y a rien à faire sauf comparer systématiquement toutes les distances à toutes les autres distances (une double boucle sur les points).

Sinon, si la procédure est destinée à consister à (i) créer une réalisation du processus puis (ii) sélectionner une paire de points au hasard, alors les hypothèses impliquent que les deux points sont sélectionnés uniformément et indépendamment du cercle. Le calcul de cette situation peut être effectué une fois pour toutes.

Notez que les distances au carré et sont uniformément réparties, d'où la probabilité souhaitée estr1=d12r2=d22

p(a,b)=Pr(d12<d22a(1+bd22))=01dr20max(0,min(1,r2/(a(1+br2))))dr1.

Les et peuvent être traités en décomposant les cas. Certaines valeurs spéciales de et doivent être gérées. Parce que l'intégration est une fenêtre carrée sur une région génériquement délimitée par des lignes et des lobes d'une hyperbole (avec l'axe vertical à et l'axe horizontal à ), le résultat est simple mais désordonné; elle doit impliquer des expressions rationnelles dans et et certaines fonctions hyperboliques inverses (c'est-à-dire des logarithmes naturels). J'ai demandé à Mathematica de l' écrire:maxminab1/(ab)1/bab

b+1b(1a<01ab1b<1)(a<11ab<1b<1)1b(ab1)1ab=1a<1a2b+2ab+a22(ab1)b=0a>01ab>1blog(b+1)ab2a>01ab1b>1ab2+abablog(b+1)b+log(b+1)ab2(ab1)a>01ab1b1log(1ab)ab2a>01ab>1b1ab2+ab+log(1ab)ab2(1<b<0a>01ab>1)(b>0a>01ab>1)blog((b1)(ab1))ab2a<01ab>1

L'intégration numérique et la simulation sur les plages et confirment ces résultats.2a25b5

Éditer

La question modifiée demande de remplacer par et suppose et tous deux positifs. Lors d'une substitution , la région d'intégration reste la même et l'intégrande devient au lieu de . En écrivant , on obtientdi2diαabri=diα(2/α)2(r1r2)2/α11θ=α/2

12a1/θ2F1(1θ,2θ;θ+2θ;b)

quand ou et sinon le résultat est(a>0a<1ab+a1)a1

a1θ(11ab)1θ+12a1θ(1ab)2/θ2F1(1θ,2θ;θ+2θ;1+1ab1)+1.

Ici, est la fonction hypergéométrique. Le cas d'origine de correspond à , puis ces formules se réduisent aux quatrième et septième des huit cas précédents. J'ai vérifié ce résultat avec une simulation, laissant s'étendre de à et couvrant des plages substantielles de et .2F1α=2θ=1θ13ab

whuber
la source
1
Vous pouvez peut-être clarifier le libellé de la phrase "à condition ..." car je ne crois pas que la première condition implique la seconde si et , par exemple. (Je ne comprends probablement pas ce que vous vouliez dire.)BA>0B<0
Cardinal
Vous avez raison, @cardinal: bien sûr, l'inégalité s'inverse pour les valeurs négatives de . Cela nous amènera à remplacer la réponse par son complément, ce qui est assez simple à faire. Je m'abstiendrai de faire des modifications, cependant, jusqu'à ce que plus d'erreurs soient signalées par de bons critiques comme vous :-). AB
whuber
L'autre chose qui ne fait sens pour moi est que la réponse finale est invariante à . Prenez simplement . (Typo?) :)BB
Cardinal
De plus, toute réponse que vous obtenez doit être complètement invariante à la norme choisie sur , c'est-à-dire que nous pouvons remplacer le cercle par le disque induit par n'importe quelle norme sans affecter la probabilité. Cela devrait fournir un autre contrôle de santé mentale. R2
cardinal
1
Merci whuber. Maintenant, je vois pourquoi le problème semble si peu clair pour les autres. En fait, je recherche le deuxième cas que vous avez décrit: "le processus lui-même". et sont tous deux positifs. AB
Hélium
7

Ce problème peut être résolu en se décomposant en parties et en utilisant les propriétés d'un processus de Poisson .

Il aide à rappeler comment générer un processus d'intensité de point de Poisson sur un sous-ensemble borné de . Nous générons d'abord une variable aléatoire de Poisson avec le tauxoùdésigne la mesure de Lebesgue, et nous arrosons ces points de uniformément à l' intérieur aléatoire de .ρR2Nρ|A|||NA

Cela nous dit tout de suite que, tant que , si l' on choisit deux points (sans remplacement) au hasard, ces deux points seront indépendants et répartis uniformément sur . Lorsque , nous devons faire quelque chose et un choix naturel est de définir la probabilité souhaitée comme nulle. Notez que cela se produit avec la probabilité C'est la seule partie du problème qui dépend de l'intensité du processus de Poisson.N2AN<2

P(N<2)=(1+ρ|A|)eρ|A|.

Probabilité conditionnelle à{N2}

Nous nous intéressons à la probabilité où , et . Ici et sont les rayons de deux de nos points uniformément distribués qui tombent dans .

p(A,B,r):=P(d12d22A(1+Bd22)),
A>0B>0A={x:x2r}d1d2A

Notez que pour un point distribué aléatoirement dans le disque de rayon , la distribution de la distance depuis l'origine est , à partir de laquelle nous pouvons voir que a la même distribution que où . À partir de cela, nous pouvons reformuler la probabilité d'intérêt comme rP(Dd)=(d/r)2D2r2UUU(0,1)

p(A,B,r)=P(U1U2A(1+Br2U2))=1(0<x<1)1(0<y<1)1(0<y<x/(A+ABr2x))dydx.

Cette intégrale se divise en deux cas. Pour le calculer, nous avons besoin de l'intégrale générale

0txa+bxdx=1b(tablog(1+bt/a)).

Cas 1 : .A(1+Br2)1

On voit ici que pour , donc uA(1+Br2u)u[0,1]

p(A,B,r)=1ABr2(1log(1+Br2)Br2).

Cas 2 : .A(1+Br2)<1

Ici l'intégrale pour se divise en deux morceaux puisque sur . Par conséquent, nous intégrons jusqu'à utilisant l'intégrale générale, puis nous plaquons sur une zone d'addition de pour la deuxième pièce. Donc, nous obtenons p(A,B,r)uA(1+Br2u)[A/(1ABr2),1]t=A/(1ABr2)1A/(1ABr2)

p(A,B,r)=1Br2(11ABr2+log(1ABr2)ABr2)+1A1ABr2=1+1Br2(1+log(1ABr2)ABr2).

Souvent, une image aide; en voici un qui montre un exemple de la région d'intégration pour chaque cas. Notez que est sur l' axe et sur l' axe .U1yU2x

Exemples de chaque cas

La probabilité finale d'intérêt est alors, bien sûr, .(1(1+ρπr2)eρπr2)p(A,B,r)

Une généralisation facile

Nous pouvons facilement généraliser le résultat pour utiliser une balle de forme différente. En fait, pour toute norme arbitraire sur , la probabilité conditionnelle est invariante tant que nous utilisons la balle induite par la norme au lieu du cercle!R2p(A,B,r)

En effet, quelle que soit la norme que nous choisissons, le rayon carré est uniformément distribué. Pour voir pourquoi, soit une norme sur et la boule de rayon sous la norme . Notez que si et seulement si . La mise à l'échelle vers le haut ou vers le bas de la boule unitaire est une transformation linéaire et par un fait standard sur la mesure de Lebesgue, la mesure d'une transformation linéaire de est puisqueδ()R2Bδ(r)={x:δ(x)r}rδrxBδ(r)xBδ(1)TBδ(1)

|Bδ(r)|=|TBδ(1)|=|det(T)||Bδ(1)|=r2|Bδ(1)|,
T(x)=rx=(rx1,rx2) dans ce cas.

Cela montre que si pour uniformément distribué dans , alors Le lecteur aux yeux d'aigle notera que nous n'avons utilisé que l'homogénéité de la norme ici, et donc un résultat similaire se maintiendra en général pour des distributions uniformes sur des classes d'ensembles fermées sous une transformation homogène.D=δ(X)XBδ(r)

P(Dd)=|Bδ(d)||Bδ(r)|=(d/r)2.

Voici une image avec deux points sélectionnés. Les normes présentées sont la norme euclidienne, la norme norme et la norme pour . Chaque boule unitaire est entourée de noir, et la plus grosse balle dans laquelle se trouvent les deux points sélectionnés au hasard est dessinée dans la couleur correspondante.1suppp=5

La probabilité conditionnelle est la même pour chaque image lorsque la distance est mesurée en utilisant la norme correspondante.p(A,B,r)

Quatre normes

cardinal
la source
1
+1 J'utilisais des images similaires pour résoudre ce problème mais dans le mien, est l' axe horizontal , pas la verticale :-). Il permet de normaliser l'expression du domaine d'intégration; pour et positifs , c'est , affichant immédiatement le centre à et montrant la mise à l' échelle avec et . u1AB(x1/(AB))(y+1/B)<1/(A2B)(1/(AB),1/B)AB
whuber
@whuber: (+1) Je ne savais pas si je devais le faire ou non. La raison pour laquelle je suis allé avec les chiffres que j'ai faits était d'éviter d'avoir à introduire la cartographie inverse, qui, à mon avis, aurait l'air plus compliquée. Renverser les haches de ce qui me semblait le plus naturel m'a permis d'éviter cela. :)
cardinal