Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Ответы тер вер.docx
Скачиваний:
5
Добавлен:
01.03.2025
Размер:
356 Кб
Скачать
☆

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:

 

  1. 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.

  1. 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.