Articulo de referencia

Distribución bivariada de von Mises

Muestras de la variante coseno de la distribución bivariada de von Mises. Los puntos verdes se muestrean de una distribución con alta concentración y sin correlación ( κ 1 = κ 2...

Muestras de la variante coseno de la distribución bivariada de von Mises. Los puntos verdes se muestrean de una distribución con alta concentración y sin correlación (κ1=κ2=200{\displaystyle \kappa _{1}=\kappa _{2}=200},κ3=0{\displaystyle \kappa _{3}=0}), los puntos azules se muestrean de una distribución con alta concentración y correlación negativa (κ1=κ2=200{\displaystyle \kappa _{1}=\kappa _{2}=200},κ3=100{\displaystyle \kappa _{3}=100}), y los puntos rojos se muestrean de una distribución con baja concentración y sin correlación (κ1=κ2=20,κ3=0{\displaystyle \kappa _{1}=\kappa _{2}=20,\kappa _{3}=0}).

En teoría de la probabilidad y estadística , la distribución bivariada de von Mises es una distribución de probabilidad que describe valores en un toro . Puede pensarse como un análogo en el toro de la distribución normal bivariada . La distribución pertenece al campo de la estadística direccional . La distribución bivariada general de von Mises fue propuesta por primera vez por Kanti Mardia en 1975. [ 1 ] [ 2 ] Una de sus variantes se utiliza hoy en el campo de la bioinformática para formular un modelo probabilístico de la estructura de proteínas con detalle atómico, [ 3 ] [ 4 ] como las bibliotecas de rotámeros dependientes del esqueleto .

Definición

La distribución bivariada de von Mises es una distribución de probabilidad definida en el toro ,S1×S1{\displaystyle S^{1}\times S^{1}}enR3{\displaystyle \mathbb {R} ^{3}}. La función de densidad de probabilidad de la distribución bivariada general de von Mises para los ángulosϕ,ψ[0,2π]{\displaystyle \phi ,\psi \in [0,2\pi ]}está dado por [ 1 ]

F(ϕ,ψ)exp[κ1porque(ϕμ)+κ2porque(ψν)+(porque(ϕμ),pecado(ϕμ))A(porque(ψν),pecado(ψν))T],{\displaystyle f(\phi ,\psi )\propto \exp[\kappa _{1}\cos(\phi -\mu )+\kappa _{2}\cos(\psi -\nu )+(\cos(\phi -\mu ),\sin(\phi -\mu ))\mathbf {A} (\cos(\psi -\nu ),\sin(\psi -\nu ))^{T}],}

dóndeμ{\displaystyle \mu }yν{\displaystyle \nu }son los medios paraϕ{\displaystyle \phi }yψ{\displaystyle \psi },κ1{\displaystyle \kappa _{1}}yκ2{\displaystyle \kappa _{2}}su concentración y la matrizAMETRO(2,2){\displaystyle \mathbf {A} \in \mathbb {M} (2,2)}está relacionado con su correlación.

Dos variantes comúnmente utilizadas de la distribución bivariada de von Mises son la variante seno y la variante coseno.

La variante coseno de la distribución bivariada de von Mises [ 3 ] tiene la función de densidad de probabilidad

F(ϕ,ψ)=Zdo(κ1,κ2,κ3) exp[κ1porque(ϕμ)+κ2porque(ψν)κ3porque(ϕμψ+ν)],{\displaystyle f(\phi ,\psi )=Z_{c}(\kappa _{1},\kappa _{2},\kappa _{3})\ \exp[\kappa _{1}\cos(\phi -\mu )+\kappa _{2}\cos(\psi -\nu )-\kappa _{3}\cos(\phi -\mu -\psi +\nu )],}

dóndeμ{\displaystyle \mu }yν{\displaystyle \nu }son los medios paraϕ{\displaystyle \phi }yψ{\displaystyle \psi },κ1{\displaystyle \kappa _{1}}yκ2{\displaystyle \kappa _{2}}su concentración yκ3{\displaystyle \kappa _{3}}está relacionado con su correlación.Zdo{\displaystyle Z_{c}}es la constante de normalización. Esta distribución conκ3{\displaystyle \kappa _{3}}=0 se ha utilizado para estimaciones de densidad de núcleo de la distribución de los ángulos diedros de la proteína.ϕ{\displaystyle \phi }yψ{\displaystyle \psi }. [ 4 ]

La variante sinusoidal tiene la función de densidad de probabilidad [ 5 ]

F(ϕ,ψ)=Zs(κ1,κ2,κ3) exp[κ1porque(ϕμ)+κ2porque(ψν)+κ3pecado(ϕμ)pecado(ψν)],{\displaystyle f(\phi ,\psi )=Z_{s}(\kappa _{1},\kappa _{2},\kappa _{3})\ \exp[\kappa _{1}\cos(\phi -\mu )+\kappa _{2}\cos(\psi -\nu )+\kappa _{3}\sin(\phi -\mu )\sin(\psi -\nu )],}

donde los parámetros tienen la misma interpretación.

Véase también

Referencias

  1. 1 2 Mardia, Kanti (1975). "Estadística de datos direccionales". JR Stat. Soc. B . 37 (3): 349– 393. doi : 10.1111/j.2517-6161.1975.tb01550.x . JSTOR 2984782 . 
  2. Mardia, KV; Frellsen, J. (2012). "Estadística de las distribuciones bivariadas de von Mises". Métodos bayesianos en bioinformática estructural . Estadística para biología y salud. pp. 159. doi : 10.1007 /978-3-642-27225-7_6 . ISBN  978-3-642-27224-0.
  3. 1 2 Boomsma, W.; Mardia, KV; Taylor, CC; Ferkinghoff-Borg, J.; Krogh, A.; Hamelryck, T. (2008). "Un modelo generativo y probabilístico de la estructura local de las proteínas" . Actas de la Academia Nacional de Ciencias . 105 (26): 8932– 7. Bibcode : 2008PNAS..105.8932B . doi : 10.1073/pnas.0801715105 . PMC 2440424. PMID 18579771 .  
  4. 1 2 Shapovalov MV, Dunbrack, RL (2011). "Una biblioteca de rotámeros suavizada dependiente de la estructura principal para proteínas derivada de estimaciones de densidad de kernel adaptativas y regresiones" . Structure . 19 ( 6): 844– 858. doi : 10.1016/j.str.2011.03.019 . PMC 3118414. PMID 21645855 .  
  5. Singh, H. (2002). "Modelo probabilístico para dos variables circulares dependientes". Biometrika . 89 (3): 719– 723. doi : 10.1093/biomet/89.3.719 .