Ponieważ ( jak dobrze wiadomo ) równomierny rozkład na sferze jednostkowej uzyskuje się przez normalizację rozkładu normalnego zmiennego a iloczynem kropki znormalizowanych wektorów jest ich współczynnik korelacji, odpowiedzi na trzy pytania to: D tS.D - 1ret
( ( D - 1 ) / 2 , ( D - 1 ) / 2 )u = ( t + 1 ) / 2 ma rozkład Beta .( ( D - 1 ) / 2 , ( D - 1 ) / 2 )
Wariancja jest równa (jak spekulowano w pytaniu).1 / Dt1 / D
Standaryzowany rozkład zbliża się do normalności w tempieO ( 1tO ( 1re) .
metoda
Dokładny rozkład iloczyn skalarny wektorów jednostkowych można łatwo uzyskać geometrycznie, ponieważ jest składnikiem drugiego wektora w kierunku pierwszego. Ponieważ drugi wektor jest niezależny od pierwszego i jest równomiernie rozmieszczony na kuli jednostkowej, jego komponent w pierwszym kierunku jest rozłożony tak samo, jak dowolna współrzędna kuli. (Zauważ, że rozkład pierwszego wektora nie ma znaczenia.)
Znalezienie gęstości
Pozwalając, że koordynuje się ostatniego, gęstość w jest więc proporcjonalna do obszaru powierzchni do leżenia na wysokości między i w sferze jednostkowej. Ta proporcja występuje w obrębie pasa o wysokości i promieniu który jest w zasadzie stożkiem ściętym zbudowanym z o promieniu wysokości i nachylenia . Skąd prawdopodobieństwo jest proporcjonalne dot t + d t d t √t ∈ [ - 1 , 1 ]tt + dtretS D - 2 √1 - t2)-----√,S.D - 2dt1/ √1 - t2)-----√,ret1/1−t2−−−−−√
(1−t2−−−−−√)D−21−t2−−−−−√dt=(1−t2)(D−3)/2dt.
Pozostawienie pociąga za sobą . Podstawienie tego do powyższego daje element prawdopodobieństwa do stałej normalizującej:t = 2 u - 1u=(t+1)/2∈[0,1]t=2u−1
fD(u)du∝(1−(2u−1)2)(D−3)/2d( 2u−1)=2D−2(u−u2)( D - 3)/2du .
Jest natychmiastowe, że ma rozkład Beta , ponieważ (z definicji) jego gęstość jest również proporcjonalna do( ( D - 1 ) / 2 , ( D - 1 ) / 2 )u = ( t + 1 ) / 2( ( D - 1 ) / 2 , ( D - 1 ) / 2 )
u( D - 1 ) / 2 - 1( 1 - u )( D - 1 ) / 2 - 1= ( u - u2))( D - 3 ) / 2∝fare( u ) .
Określenie zachowania granicznego
Informacje o zachowaniu ograniczającym wynikają łatwo z tego za pomocą technik elementarnych: można zintegrować, aby uzyskać stałą proporcjonalności ; można zintegrować (na przykład wykorzystując właściwości funkcji Beta) w celu uzyskania momentów, co pokazuje, że wariancja wynosi i zmniejsza się do (skąd, zgodnie z twierdzeniem Czebyszewa, prawdopodobieństwo koncentruje się w pobliżu ); a następnie rozkład graniczny jest przez uwzględnienie wartości gęstości znormalizowanego rozkładu, proporcjonalnego do dla małych wartościΓ ( nfaretkfD(t)1/DΓ ( n2))π√Γ ( D - 12))tkfare( t )1 / Dt = 0 f D ( t / √0t = 0tfare( t / D--√) ,t :
log( fre( t / D--√) )= C( D ) + D - 32)log( 1 - t2)re)= C(D)−(1/2+32D)t2+O(t4D)→C−12t2
gdzie litery reprezentują (log) stałe integracji. Oczywiście szybkość, z jaką zbliża się to do normalności (dla której gęstość logarytmu jest równa ), wynosi- 1C O ( 1−12t2O(1D).
Ten wykres pokazuje gęstości iloczynu dla , w standaryzacji dla wariancji jednostkowej i ich graniczną gęstość. Wartości przy rosną wraz z (od niebieskiego przez czerwony, złoty, a następnie zielony dla standardowej gęstości normalnej). Gęstość dla byłaby nie do odróżnienia od gęstości normalnej przy tej rozdzielczości.0 D D = 1000D = 4,6,100DD = 1000