Обработка эксперим данных Роганов
.pdfaij ≠ 0 является достаточным признаком зависимости Xi и X j . Обратное утверждение неверно: из равенства нулю cov XiX j не следует независимость
Xi и X j . |
|
|
|
|
|
Поскольку |
при |
|
любом |
с |
|
D(X i +cX j |
)= DX i +c2 DX j + 2ccov X i X j ≥ 0 , |
то, |
полагая |
||
c = −(cov Xi X j )/ DX j , |
найдем |
DXi −(cov Xi X j )2 / DX j ≥ 0 , |
т.е. |
||
cov XiX j ≤ |
DXiDX j . |
Отсюда следует существование матрицы ковариаций |
в случае, когда DX j < ∞, j = 1, 2, ..., n .
Вспоминая доказательство равенства Бьенеме, получим для любого вектора X = (X1 , ..., X n ) с конечной дисперсией:
n |
|
n |
n |
D ∑Xi |
= ∑DXi + ∑cov Xi X j |
||
i=1 |
|
i=1 |
i, j=1 |
i≠ j
Из определения дисперсионной матрицы видно, что корреляционный момент характеризует не только зависимость величин Xi и Xj , но и их рассеивание. Для характеристики чистой (линейной) связи между Xi и X j
вводят так называемый коэффициент корреляции
r |
= cov XiX j . |
||
ij |
DXiDX j |
||
|
|||
Мы видели, что cov XiX j ≤ |
|
≤1, rii =1, i,j=1,…,n. |
|
DXiDX j , так что |
rij |
На основании равенства для вектора с конечной дисперсией находим, что
(σi = DXi , σ j = DX j )
|
X i |
|
X j |
|
= 2(1± r |
)≥ 0 |
||
D |
± |
|
||||||
|
|
|||||||
σ |
|
|
σ |
ij |
|
|||
|
|
i |
j |
|
|
71
|
|
|
|
X |
i |
|
X j |
|
|
|
отсюда |
r = ±1 |
тогда и только тогда, когда |
D |
|
± |
|
|
|
= 0 , а это, в свою |
|
σ |
|
σ |
|
|||||||
|
ij |
|
|
i |
j |
|
|
|||
|
|
|
|
|
|
|
|
очередь, в силу свойства 5) дисперсии возможно лишь тогда, когда случайная
величина Y = |
X |
i |
± |
X j |
равна постоянной с вероятностью 1. |
Таким образом, |
|||||||
|
|
σ j |
|||||||||||
|
|
σi |
|
|
|
|
|
|
|
|
|||
Xi =αX j + β (линейно связаны), если и только если rij = ±1. |
|
|
|||||||||||
Если |
rij > 0 , то |
говорят, |
что |
между |
Xi и X j |
положительная |
|||||||
корреляция, и это означает, что |
Xi |
и Xj имеют тенденцию возрастать и |
|||||||||||
убывать |
одновременно. |
При rij |
< 0 |
ситуация |
обратная. |
Если |
rij = 0 , то |
||||||
говорят, |
что |
случайные |
величины |
Xi |
и Xj |
некоррелированы, |
и этому |
свойству можно придать определенный геометрический смысл. С этой целью рассмотрим множество случайных величин с конечным моментом второго
порядка МХ2 < ∞. |
Из МХ2 < ∞, МY2 < ∞ |
следует, что при любых |
постоянных а и b |
M (aX +bY )2 < ∞, поэтому |
множество таких случайных |
величин относительно операций сложения и умножения на число образуют линейное пространство L.
Определим в L квазискалярное произведение
(X,Y)=MXY.
MXY обладает всеми свойствами скалярного произведения, за исключением одного: из МХ2 = 0 не следует Х = 0, а следует лишь, что Х = 0 с вероятностью 1. Это обстоятельство не мешает дать следующую геометрическую интерпретацию: матрица ковариаций является матрицей квазискалярных произведений случайных величин (Xi −MXi ), i =1, ..., n . При этом некоррелированность означает ортогональность в смысле квазискалярного произведения.
Заметим, что является истинно “случайной” частью
величины Xi и матрица ковариаций характеризует связь (статистическую)
72
именно этих “случайных” частей. Равенство rij =1 означает, что Xi − MXi и
X j − MX j линейно зависимы в построенном линейном пространстве L.
Примеры. В математической статистике мы будем постоянно
использовать |
χ2n —распределение |
(распределение |
Пирсона), |
tn — |
распределение |
(распределение |
Стьюдента) и |
Fk,m —распределение |
(распределение Фишера). В связи с этим вычислим здесь плотности этих распределений и их различные числовые характеристики.
1.χ2n -распределением с n степенями свободы называется
распределение случайной величины χ2 |
= X2 |
+...+X2 , |
где все X i N (0, 1) и |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
1 |
|
|
n |
|
|
|
|
|
|||
независимы. |
Найдем |
плотность распределения |
χ2n . |
Случайный вектор |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
1 |
n |
x2 |
X = (X , ..., |
X ) |
|
|
|
|
|
p(x1 , ..., xn )= |
|
1 |
|
|
e |
|
∑i=1 |
|||||||
|
|
|
|
|
|
|
|
2 |
i |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
n |
имеет плотность |
|
|
|
|
|
|
|
|
|
|
|
|
поэтому |
||||
|
|
|
|
|
|
|
|
n / 2 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
(2π ) |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
F(x)= P(χn2 < x)= n ∫...∫ |
1 |
e− |
∑i=1 xi2 dx1...dxn |
|||||||||||||
|
|
|
|
|
2 |
||||||||||||||||
|
|
|
|
|
(2π )n / 2 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
∑xi2 <x |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
Введем сферические координаты: |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
x1 = ρcosϕ1, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
x2 = ρsinϕ1 cosϕ2 , |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
................................., |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
xn = ρsinϕ1 sinϕ2...sinϕn−1, |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
−π / 2 ≤ϕi ≤ π / 2, i = 1, ..., n - 2, |
-π ≤ϕn-1 ≤ π. |
|||||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ρ2 |
π |
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
x |
dρ 2 ∫2 |
... ∫2 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
F(x) |
= |
∫ρn−1e− |
|
(ϕ1, ..., ϕn−1 )dϕ1, ..., dϕn−1 = |
|||||||||||||||
|
|
2 |
|||||||||||||||||||
|
|
n / 2 |
|||||||||||||||||||
|
|
|
|
|
(2π ) |
0 |
|
π |
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−2 −2 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
123 |
|
|
|
|
|
|
|
|
|
|
n−1
73
|
|
|
|
|
|
|
|
|
|
|
|
|
ωn−1 |
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
− |
|
ρ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∫0 ρ |
n−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
|
|
|
dρ |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
(2π )n / 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
где ωn−1 — площадь поверхности единичной (n – 1)-мерной сферы; |
ωn−1 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
легко вычислить исходя из последней формулы. Поскольку F (+ ∞)=1, то |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
ω |
|
|
∞ |
|
|
|
|
n−1 |
− |
ρ2 |
|
|
|
|
|
|
|
|
|
|
ω |
|
|
|
|
|
|
|
|
|
|
n |
n |
−1 |
|
|
|||||||||||||||||
|
|
|
n−1 |
|
∫0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n−1 |
|
|
|
|||||||||||||||||||||||||||
1 = |
|
|
|
|
ρ |
|
|
|
e |
|
|
|
2 dρ |
= |
|
|
|
|
|
|
|
|
Γ |
22 |
|
|
||||||||||||||||||||||||||||||
|
(2π )n−1 |
|
|
|
|
|
(2π )n−1 |
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
||||||||||||||||||||
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ω |
n−1 |
= |
|
|
2π n / 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Подставляя ωn−1 в формулу для F(x), находим окончательно |
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
ρ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
F(x)= |
|
|
|
|
|
|
|
∫ρn−1e− |
|
|
|
|
dρ, x > 0 |
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
n |
−1 |
|
n |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
22 |
|
|
|
Γ |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Поскольку P(χn2 < x)= 0 |
|
при |
|
|
x ≤ 0 , |
|
|
то |
|
F(x)=0, |
|
x ≤ 0 . Отсюда |
и из |
|||||||||||||||||||||||||||||||||||||||||||
последней формулы для F(x) получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
n |
−1 |
− |
x |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x 2 |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
2 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
||||||||||||||||||||
pχ2 (x)= |
|
′ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n / 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, x > 0 |
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
F |
(x)= 2 Γ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
|
x ≤ 0 |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Зная pχ2n , найдем Mχ2n |
и Dχ2n |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
1 |
|
|
|
|
∞ |
n |
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
n |
+1 |
|
|
|
|
|
|
|
|
n |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
M χn2 = |
|
|
|
|
|
|
|
|
|
∫x |
e |
|
|
2 dx = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
+1 |
= n |
|
|||||||||||||||||||
|
n / 2 |
|
n |
|
|
|
|
|
n / 2 |
|
|
|
|
n |
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|||||||||||||||||||
2 |
|
|
Γ |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
поскольку Г(s+1)=s Г(s);
Dχn2 = M(χn2 )2 −(M χn2 )2 = M(χn2 )2 −n2 ,
и так как
74
|
|
|
|
|
|
1 |
|
|
∞ |
n |
|
|
x |
|
|
2 |
n |
+2 |
|
|
n |
|
|
|
|
||
|
|
|
|
|
|
|
|
+1 |
− |
|
|
2 |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
∫ |
|
2 |
|
|
|
|
|
|
2 |
|
|||||||||
|
M |
|
|
|
|
|
|
x |
|
e 2 dx = |
|
|
|
|
|
= n |
+ 2n |
||||||||||
|
|
2 = |
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
+ 2 |
|
||||||||
|
|
|
|
n |
|
|
|
|
|
|
n |
|
2 |
|
|||||||||||||
|
|
(χn2 ) |
|
n / 2 |
|
|
|
|
|
|
|
n / 2 |
|
|
|
|
|
|
|||||||||
|
|
|
|
2 |
|
Γ |
|
0 |
|
|
|
|
|
|
2 |
|
Γ |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
то Dχ2 |
= 2n . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2.tn -распределением с n степенями свободы называется
распределение случайной величины tn = X / Y , где X N (0, 1), |
Y = |
χ2n / n , |
||||||||
χ2n определено |
в 1) и Х и Y независимы. |
В силу последнего |
условия |
|||||||
случайный вектор (Х, Y) имеет |
плотность |
p(x1 , x2 )= pX (x1 )pY (x2 ), а |
||||||||
плотность частного Х/Y определяется с помощью формулы |
|
|
|
|||||||
X |
|
|
|
|
0 |
∞ |
|
|
||
P |
|
|
< y |
= |
∫∫p1 (x1 )p2 (x2 )dx1dx2 = ∫ p2 (x2 )dx2 |
∫ p1 |
(x1 )dx1 + |
|||
|
||||||||||
Y |
|
x |
/ x <y |
|
−∞ |
x y |
|
|
||
|
|
|
|
1 |
2 |
|
|
2 |
|
|
|
|
|
|
|
∞ |
x2 y |
(x1 )dx1 |
|
|
|
|
|
|
|
|
+ ∫ p2 |
(x2 )dx2 ∫ p1 |
|
|
|
|
|
|
|
|
|
0 |
−∞ |
|
|
|
|
ptn (x)= Ftn′(x)= ∞∫zpX (zx)pY (z)dz − ∫0 zpX (zx)pY (z)dz
|
|
|
0 |
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
||
Далее, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F |
|
|
2 |
|
= P(χ 2 |
< x2 n)= F 2 (x2 n) |
||||||||||||
(x)= P |
χn |
< x |
||||||||||||||||
Y |
|
|
n |
|
|
|
n |
|
|
|
|
|
|
|
χn |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Так как Mχ2 = n , то плотность распределения Y равна |
|
|
|
|||||||||||||||
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|
|
x2n |
|
|||
|
|
|
|
|
|
|
|
2 |
|
|
|
− |
− |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xn 1e |
|
2 , x > 0 |
||
|
|
|
|
2 |
|
|
n |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
′ |
|
(x n) 2xn = |
|
|
−1 |
|
n |
|
|
|
|
|
|||||
pY (x)= FY |
(x)= pχn2 |
2 |
2 |
|
Γ |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
x ≤ 0 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ввиду последнего равенства второй интеграл в равенстве для ptn (x)
исчезает, и мы находим
75
ptn
nn−1
=n2 22 2
|
n |
−1 |
n |
|
|
|
|
||||
22 |
|
Γ |
|
2π |
|
|
2 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|
|
|
∞ |
|
|
−(zx)2 − |
nz2 |
|
|
|
|
|
||||||
(x)= n |
|
|
|
|
|
|
2 |
|
|
|
|
|
n |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
∫z |
e |
|
|
|
|
|
|
|
||||||||||||||
−1 |
|
|
n |
|
|
|
2 |
|
|
|
2 dz = |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
22 |
|
|
|
Γ |
|
|
2π 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
+1 |
|
|
|
|
−(n+1) |
||||
|
|
|
1 |
|
|
|
|
|
|
|
∞ |
|
n |
|
|
Γ |
|
|
|
|
|
1 |
|
|
x2 2 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
−1 −t |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
∫t e dt = |
|
|
|
|
|
|
|
|
|
|
− |
|
|
||||||||
|
|
|
|
|
|
n |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
2 |
|
|
|
+ |
|
|
|
|
n |
|
|
1 |
n |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
(x |
+ n)2 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
πn |
|
|
|||||||||||||
|
|
0 |
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
С помощью этой формулы вычисляем |
Mtn , n ≥ 2 |
, |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
n +1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−(n+1) |
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
∞ |
|
|
|
|
|
|
x |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
M tn |
= |
|
|
|
|
n |
|
|
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx = 0 |
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∫x 1− n |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
n |
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
ввиду нечетности подынтегральной функции. Теперь |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|||||||||
|
|
|
|
Dtn |
|
= M tn2 |
|
= M |
|
|
|
|
|
|
= MX |
|
M |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χn |
/ n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χn |
|
|
|
|
|
|||||||||||||
так как Х2 |
и χ2n / n независимы. Обозначим Y = n / χ2n , имеем при x > 0 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
n |
|
|
|||||||||||||
|
|
|
|
FY (x)= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χn |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
= |
|
|
|
< |
|
|
|
=1− P |
χn |
≤ |
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
P |
|
< x |
P |
|
|
|
|
n |
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
χn |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
||||||||||||||
Отсюда находим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
n |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
+1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n 2 |
|
|
1 |
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
p (x) |
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
|
2ч x |
2 |
|
|
, x > 0 |
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
= 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x ≤ 0 |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Поэтому |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
n |
n |
1 |
|
|
|
|
∞ n |
|
|
|
|
n |
|
|
|
|
|
|
|
|
1 n |
∞ |
|
|
|
n |
|
|
n |
|||||||||||||||||||||||||
|
2 |
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
−t |
|
−2 |
|
|||||||||||||||||||||||||||||||||||
|
n |
|
|
|
|
|
|
|
∫e |
2 x |
x |
|
|
2 |
dx = |
|
|
∫e |
|
2 |
|
|
|||||||||||||||||||||||||||||||||||
M |
|
|
|
= MY = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|
dt = |
|
|
|||||||||||||||||
|
2 |
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
n |
2 |
|
|
|
|
|
|
n −2 |
||||||||||||||||||||||||||||||
|
χn |
2 |
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Так как MX2 = DX =1, то получим
76
Dtn = n −n 2 .
3. Fk,m -распределением с (k, m) степенями свободы называется
распределение |
случайной |
величины |
|
|
|
F |
|
|
|
= |
χ2k |
|
|
|
|
|
χ2m |
, |
|
где |
χ2k , χ2m |
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k,m |
|
|
|
|
|
|
k |
|
|
|
|
|
|
m |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
определены в 1) и независимы. Положим для краткости F |
|
|
|
|
= Y , |
χ2 |
/ k = X , |
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k,m |
|
|
k |
1 |
||||
χ2m / m = X2 . Ввиду независимости |
|
|
|
Х1 и Х2 |
плотность случайного вектора |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
(X1 , X 2 ) равна |
p(x1, x2 )= pX1 |
(x1 )pX 2 (x2 ), |
а |
|
плотность частного |
Х1 / Х2 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||
равна |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pY (x)= ∞∫z pX1 (zx)pX 2 (z)dz − ∫0 z pX1 (zx)pX 2 (z)dz |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Отсюда находим при x > 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
m |
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
k |
|
−1m |
|
|
|
−1x |
|
|
−1 |
|
|
|
∞ |
|
k +m |
|
− |
z |
(kx +m ) |
|
|
|
|
|
||||||||||||||||||||||||||||
|
pY (x)= |
|
|
|
2 |
2 |
|
2 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∫z 2 e |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
dz = |
|
|
||||||||||||||||||||||||||||
|
|
|
|
k +m |
|
|
k |
m |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
2 |
|
Γ |
|
|
|
|
|
|
|
− |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
k |
|
|
m |
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k +m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
k 2 −1m 2 −1x 2 −1 (kx + m) |
|
|
|
k |
+ m |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||
|
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
k |
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
и pY (x)= 0 при x ≤ 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Далее находим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
/ k |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
m |
|
|
k |
|
|
|
|
m |
|
|
|||||||||||||||||||||||||||
|
MY = |
|
|
|
|
χk |
|
= |
|
|
|
χk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
M |
2 |
|
|
|
|
|
|
|
M |
k |
|
M |
|
|
2 = |
k |
m |
−2 |
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
χm / m |
|
|
|
|
|
|
|
|
|
|
|
|
|
χm |
|
|
|
|
||||||||||||||||||||||||||||||||||||
Найдем DY: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
m |
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||||||||||
|
|
DY = MY |
|
|
|
−(MY ) |
|
= MY |
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m − |
2 |
|
|
|
|
|
|
|
|
|
Но
77
|
|
|
|
2 |
2 |
|
m |
2 |
|
|
|
|
2 |
2 |
|
k |
2 |
+ 2k |
|
|||||||||||
MY |
2 |
|
|
χk |
|
|
|
|
|
|
|
M |
|
|
χk |
|
= |
|
||||||||||||
|
|
|
|
|
|
, где |
|
|
|
|
2 . |
|||||||||||||||||||
|
= M |
k |
|
|
M |
|
2 |
|
|
k |
|
|
|
k |
||||||||||||||||
|
|
|
|
|
|
|
χm |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Далее находим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
2 |
m |
m |
|
1 |
|
∞ |
|
|
m |
|
|
|
m |
|
|
|
|
|
|
|
|||||
|
|
|
2 |
|
|
|
|
− |
+1 − |
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
2 x |
|
|
|
|
|
|
||
|
|
M |
|
|
= 2 |
|
|
|
∫0 |
x |
|
|
e |
dx = |
|
|
|
|||||||||||||
|
|
χm2 |
|
|
|
m |
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=m2
m |
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
||||
|
m |
− |
+2 |
∞ |
|
m |
|
|
|
m |
2 |
Γ |
|
|
−2 |
|
m2 |
|||||||||||
2 1 |
|
2 |
|
|
−3 |
|
−z |
|
|
2 |
|
|
|
|
||||||||||||||
|
|
∫ |
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
z 2 |
|
e |
|
dz = |
|
|
|
|
|
|
|
|
= |
|
|
||
|
|
m |
2 |
|
|
|
|
|
2 |
|
|
m |
(m −4)(m −2). |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
Γ |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Собирая полученные выражения, получим при m > 4
DY = |
2m2 |
|
− |
m −2 |
||
|
|
1 |
|
|
||
(m −2)2 |
|
k |
||||
|
(m −4) |
|
. |
78
Глава 4 Законы больших чисел
Стандартное теоретико-вероятностное заключение – вероятность события А равна р — не позволяет, как правило, предсказать, произойдет событие А или нет [9]. Исключение составляют лишь те случаи, когда р либо очень мало, либо очень близко к единице. При этом можно утверждать, что событие А практически невозможно или соответственно практически достоверно. Так, например, если подбрасывать монету 1000 раз, то событие, состоящее в выпадении герба все 1000 раз, можно считать практически невозможным, а событие, состоящее в том, что герб выпадет хотя бы один раз, — практически достоверным.
Рассмотрим ряд результатов теории вероятностей, известных под названием “законов больших чисел” и позволяющих делать подобные предсказания. Всякое утверждение о малости некоторой величины естественно формулировать в терминах предельного перехода. Введем здесь два понятия сходимости случайных величин: сходимость по вероятности и сходимость с вероятностью единица (или почти наверное).
Определение 1. Последовательность случайных величин {Xn }
сходится по вероятности к случайной величине Х, если для любого ε > 0
lim P(X n − X >ε)= 0
n→∞
Эта сходимость обозначается так: Xn →p X, n → ∞.
Этот тип сходимости означает, что, каково бы ни было ε > 0, найдется число N, такое, что для всех n ≥ N вероятность неравенства Xn − X > ε будет сколь угодно малой, или, иначе, событие Xn − X > ε будет практически невозможным.
Полезной в ряде вопросов математической статистики является следующая
79
Теорема 1 [9]. Пусть Xn →р X , а g(x) — непрерывная функция, так что
Y = g(X) и Yn = g(X n ) — случайные величины, n = 1, 2, … . Тогда Yn →р Y
при n → ∞ .
Здесь мы будем постоянно использовать неравенство Чебышева: для любой случайной величины Х с конечной дисперсией DX и любого ε > 0 справедливо неравенство
P(X − MX > ε)≤ DX / ε2 .
Основываясь на неравенстве Чебышева, сформулируем удобный критерий сходимости по вероятности [9].
Лемма 1. Если для последовательности случайных величин {Xn }
MXn = 0 , DXn → 0 при n → ∞ , то Xn → 0 .
Доказательство. В силу неравенства Чебышева и того, что MXn = 0 ,
имеем для любого фиксированного ε > 0
0 ≤ P(X n > ε)≤ DX / ε2 → 0, n → ∞ .
Переходим к установлению закона больших чисел в форме Чебышева.
Теорема 2 (Чебышев) [9]. Пусть X1, X2 ,..., Xn ,... последовательность попарно независимых случайных величин, дисперсии которых ограничены в
совокупности: |
DXi |
≤ c, i = 1, 2, .... Тогда |
последовательность случайных |
||||||||||||
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
величин |
Yn = |
∑(X i − MXi ) |
сходится по вероятности к нулю при n → ∞ |
||||||||||||
|
n i=1 |
|
|
|
|
||||||||||
|
|
|
|
|
|
1 |
n |
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
∑X i − |
∑MXi |
|
|
= 0, |
ε > 0 |
— любое. |
|||
|
|
|
lim P |
|
|
|
≤ ε |
||||||||
|
|
|
n→∞ |
|
|
n |
i=1 |
|
n i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство. Имеем
MYn = 1 ∑n (MXi − MXi )= 0 ,
n i=1
|
1 |
n |
cn |
|
|
DYn = |
∑DXi ≤ |
→ 0 |
|||
2 |
2 |
||||
|
n |
i=1 |
n |
80