- •Элементы комбинаторного анализа.
- •Сущность и условия применения теории вероятностей.
- •Основные понятия теории вероятностей.
- •Вероятностное пространство.
- •Непосредственный подсчет вероятности.
- •Теоремы сложения вероятностей.
- •Теоремы умножения вероятностей.
- •Теорема о вероятности хотя бы одного события.
- •Формула полной вероятности.
- •Теорема Байеса.
- •Повторные испытания. Схема Бернулли.
- •Формула Бернулли.
- •Локальная теорема Лапласа.4
- •Интегральная теорема Лапласа.
- •Случайные величины, способы их описания.
- •Основные числовые характеристики дискретных случайных величин.
- •Основные числовые характеристики непрерывных случайных величин.
- •Биномиальный закон распределения вероятностей.
- •Закон распределения вероятностей Пуассона.
- •Равновероятностный закон распределения вероятностей.
- •Нормальный закон распределения вероятностей.
- •Экспоненциальный закон распределения вероятностей. Функция надежности.
- •Двумерные случайные величины. Условные законы распределения составляющих системы дискретных и непрерывных случайных величин.
- •Условные законы распределения составляющих дискретной двумерной случайной величины.
- •Функция распределения двумерной случайной величины.
- •Числовые характеристики системы двух случайных величин.
- •Зависимые и независимые случайные величины. Ковариация и коэффициент корреляции.
- •Уравнения линейной регрессии у на х и х на у. Коэффициент регрессии.
- •Цепи Маркова. Матрица переходных вероятностей.
- •Неравенство Чебышева. Закон больших чисел и его следствие.
- •Центральная предельная теорема. Теорема Ляпунова.
Условные законы распределения составляющих дискретной двумерной случайной величины.
Рассмотрим дискретную двумерную случайную величину и найдем закон распределения составляющей Х при условии, что Y примет определенное значение (например, Y = у1). Для этого воспользуемся формулой Байеса, считая гипотезами события Х = х1, Х = х2,…, Х = хп, а событием А – событие Y = у1. При такой постановке задачи нам требуется найти условные вероятности гипотез при условии, что А произошло. Следовательно,
.
Таким же образом можно найти вероятности возможных значений Х при условии, что Y принимает любое другое свое возможное значение:
.
(8.5)
Аналогично находят условные законы распределения составляющей Y:
Функция распределения двумерной случайной величины.
Функцией
распределения
двумерной
случайной величины
называется
вероятность произведения событий
и
,
определенная для любых вещественных
:
. (1)
Функция для краткости называется двумерной функцией распределения.
Геометрический смысл равенства (1): функция есть вероятность того, что случайная точка попадет в бесконечный квадрат с вершиной в точке ; точка будет левее и ниже этой вершины.
Числовые характеристики системы двух случайных величин.
Для описания системы двух случайных величин кроме математических ожиданий и дисперсий составляющих используют и другие характеристики, такие как корреляционный момент и коэффициент корреляции.
Корреляционный момент
Характеристикой
зависимости между случайными
величинами
и
служит математическое
ожидание произведения отклонений
и
от
их центров распределений (так иногда
называют математическое ожидание
случайной величины), которое называется
корреляционным моментом или ковариацией:
Для вычисления корреляционного момента дискретных величин используют формулу:
а для непрерывных величин – формулу:
Эту формулу можно интерпретировать так. Если при больших значениях более вероятны большие значения, а при малых значениях более вероятны малые значения , то в правой части формулы положительные слагаемые доминируют, и ковариация принимает положительные значения.
Если же
более вероятны произведения
,
состоящие из сомножителей разного
знака, то есть исходы случайного
эксперимента, приводящие к большим
значениям
в
основном приводят к малым значениям
и
наоборот, то ковариация принимает
большие по модулю отрицательные значения.
В первом случае принято говорить о прямой связи: с ростом случайная величина имеет тенденцию к возрастанию.
Во втором случае говорят об обратной связи: с ростом случайная величина имеет тенденцию к уменьшению или падению.
Если
примерно одинаковый вклад в сумму дают
и положительные и отрицательные
произведения
,
то можно сказать, что в сумме они будут
“гасить” друг друга и ковариация будет
близка к нулю. В этом случае не
просматривается зависимость одной
случайной величины от другой.
Теорема. Корреляционный момент двух независимых случайных величин и равен нулю.
Доказательство.
Так как
и
–
независимые случайные величины, то их
отклонения
и
также
независимы. Пользуясь свойствами
математического ожидания (математическое
ожидание произведения независимых
случайных величин равно произведению
математических ожиданий сомножителей)
и отклонения (математическое ожидание
отклонения равно нулю), получим:
.
Ковариацию можно представить в виде:
Из определения корреляционного момента следует, что он имеет размерность, равную произведению размерностей величин и . Другими словами, величина корреляционного момента зависит от единиц измерения случайных величин. По этой причине для одних и тех же двух величин величина корреляционного момента имеет различные значения в зависимости от того, в каких единицах были измерены величины. Такая особенность корреляционного момента является недостатком этой числовой характеристики, поскольку сравнение корреляционных моментов различных систем случайных величин становится затруднительным.
