
- •Глава 1. Выборочный метод.
- •§1. Основные задачи математической статистики.
- •§2. Генеральная совокупность и выборка.
- •§3. Повторные и бесповторные выборки. Репрезентативная выборка.
- •§4. Статистическое распределение выборки.
- •§5. Эмпирическая функция распределения.
- •§6. Полигон и гистограмма.
- •§7. Статистические оценки.
- •§8. Эмпирические моменты распределения случайных величин.
- •§9. Методы точечного оценивания параметров распределения.
- •§10. Критические границы.
- •§11. Основные законы распределения статистических оценок.
- •§12. Интервальные оценки параметров нормального распределения.
- •Глава 2. Проверка статистических гипотез.
- •§1. Основные понятия.
- •§2. Гипотеза о равенстве выборочной средней и гипотетического математического ожидания нормального распределения.
- •§3. Гипотеза о равенстве дисперсий двух нормальных распределений.
- •§4. Гипотеза о равенстве средних двух нормальных распределений.
- •§5. Гипотеза о вероятности появления некоторого события.
- •§6. Критерий согласия.
- •Глава 3. Многомерные случайные величины.
- •§1. Понятие о многомерных случайных величинах.
- •§2. Дискретная двумерная случайная величина.
- •§3. Непрерывная двумерная случайная величина.
- •§4. Числовые характеристики двумерной случайной величины. Ковариация случайных величин X и y. Коэффициент корреляции.
- •Глава 4. Корреляционно-регрессионный анализ.
- •§1. Корреляционная зависимость. Две основные задачи теории корреляций.
- •§2. Выборочное уравнение линейной регрессии.
- •Глава 5. Дисперсионный анализ.
- •§1. Понятие о дисперсионном анализе.
- •§2. Общая факторная и остаточная суммы квадратов отклонений.
- •§3. Общая факторная и остаточная дисперсии.
- •§4. Сравнение нескольких средних методом дисперсионного анализа.
§3. Непрерывная двумерная случайная величина.
Случайная величина
(X,Y)
называется непрерывной, если непрерывны
обе её составляющие. Пусть функция
распределения F(x,y)
всюду непрерывна и имеет всюду непрерывную
частную производную
.
Определение.
Функция
называется плотностью распределения
непрерывной двумерной случайной величины
(X,Y).
Графиком этой функции f(x,y)
является некоторая поверхность, которую
называют поверхностью распределения.
В
ероятность
попадания случайной точки в прямоугольник
со сторонами, параллельными координатным
осям.
(вероятность попасть в область)
(*)
Свойства функции f(x,y).
Рассмотрим на плоскости прямоугольник R со сторонами Δx и Δy, примыкающий к точке (x1,y1) и со сторонами, параллельными осям OX и OY.
И
спользуя
(*), подсчитаем
Получим
- отношение вероятности попадания
случайной точки в прямоугольник к
площади этого прямоугольника.
Перейдём в этом
равенстве к пределу
.
Из этого равенства следует, что с точностью до бесконечно малых более высокого
порядка, чем Δx
и Δy
}
.
Р
ассмотрим
на плоскости произвольную область D,
и разложим её на n
ячеек прямыми, параллельными оси OY
и оси OX
на расстоянии Δx
и Δy
друг от друга соответственно.
Т.к. события, состоящие в попадании случайной точки в каждую из ячеек ei, несовместны, то мы можем использовать аксиому 3:
- интегральная сумма
для f(x,y)
по области D.
Перейдём в этом
равенстве к пределу при
и
:
Мы получили возможность
выразить функцию F
через функцию f:
.
Пример.
З
адана
плотность распределения
.
Найти F(x,y)
и вероятность попадания случайной точки
в прямоугольник
Решение.
Ответ: .
Пусть известно f(x,y)
f1(x), f2(y) - ?
Теорема.
Непрерывные случайные
величины X
и Y
независимы тогда и только тогда, когда
:
X
и Y
– независимы
.
Доказательство.
Известно, что X,Y – независимые случайные величины. Дифференцируем это равенство сначала по x, затем по y.
Известно,
что
Дважды интегрируем: по x, затем по y
,
т.е. , и X и Y – независимы.
Пример.
Задана функция плотности для двумерной случайной величины
Зависимы ли эти случайные величины?
Решение.
,
т.е. X
и Y
– независимые случайные величины.
Определение.
Условной плотностью распределения
составляющей X
при заданном значении другой составляющей
Y=y
называется отношение
.
Аналогично
.
;
.
Мы можем найти закон распределения двумерной случайной величины (X,Y), если известен закон распределения одной из составляющих и условный закон распределения другой составляющей.
§4. Числовые характеристики двумерной случайной величины. Ковариация случайных величин X и y. Коэффициент корреляции.
Для двумерной случайной величины (X,Y) важнейшими числовыми характеристиками являются математические ожидания M(X) и M(Y) и дисперсии D(X) и D(Y).
Совокупность M(X) и M(Y) является характеристикой положения случайной точки (X,Y) – это средняя точка, около которой происходит рассеяние точек (X,Y). Дисперсии D(X) и D(Y) характеризуют рассеяние случайных точек вдоль оси OX и OY. Важнейшей характеристикой условного распределения является условное математическое ожидание.
Условным математическим
ожиданием дискретной
случайной величины
Y
при X=x
называют сумму произведений возможных
значений случайной величины Y
на их условные вероятности:
.
Для непрерывной
случайной величины:
.
Аналогично и для
.
Пример.
Найти условное
математическое ожидание случайной
величины Y
на основе заданной таблицы распределения
двумерной случайной величины.
- ?
X Y |
3 |
6 |
10 |
0,25 |
0,10 |
14 |
0,15 |
0,05 |
18 |
0,32 |
0,13 |

;
;
Ответ: 14,36.
Для случайных величин X и Y характеристикой зависимости является математическое ожидание произведения центрированных случайных величин:
- ковариация
случайных величин X
и Y.
Приведём формулы ковариации для непрерывных и случайных величин.
Дискретная случайная
величина:
- двойная сумма (суммируется по одной
величине, затем по другой).
Непрерывная случайная
величина:
.
для непрерывной и
дискретной случайных величин.
Теорема.
Если случайные величины X и Y независимы, то их ковариация равна нулю.
X,Y
– независимы
Доказательство.
X,Y – независимы
Если
,
то это является признаком наличия
зависимости между X
и Y.
зависит от размерностей
случайных величин X
и Y,
и при различных единицах измерения этих
случайных величин мы будем получать
разные значения для
.
Это затрудняет сравнение
для различных двумерных случайных
величин, поэтому вводится безразмерная
характеристика
- коэффициент корреляции случайных
величин X
и Y.
Две случайные величины
X
и Y
называются коррелированными, если
.
Если
,
то X
и Y
– некоррелированные. Если X,Y
– коррелированные, то они и зависимы.
Если X,Y – независимые, то они некоррелированные.
Если X,Y – некоррелированные, то не следует независимость.
Все значения коэффициента
корреляции принадлежат
,
причём, если случайные величины:
X и Y связаны линейной зависимостью (Y=α+βx),
.
X,Y – независимые, то .
Для всех остальных случаев
.