Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
terver.docx
Скачиваний:
0
Добавлен:
24.12.2019
Размер:
999.82 Кб
Скачать

Системы случайных величин

Существенный интерес в математической статистике представляет рассмотрение системы двух и более случайных величин и их статистическая взаимосвязь друг с другом. 

По аналогии с рядом распределения одной дискретной величины Х для двух дискретных случайных величин  X и Y строится матрица распределения – прямоугольная таблица, в которой записаны все вероятности  pi j = PX = xi Y = yj } , i = 1, … , n;   j = 1,…, m

События (или опыты) называются независимыми, если вероятность появления (исхода) каждого из них не зависит от того, какие события (исходы) имели место в других случаях (опытах). 

Две случайные величины X и Y называются независимыми, если независимы все связанные с ними события: например, {X < а} и {Y <b} или {X = xi} и {Y = yi} и т.д. 

В терминах законов распределения справедливо также следующее определение: две случайные величины X и Y называютсянезависимыми, если закон распределения каждой из них не зависит от принятого значения другой.  

Совместной функцией распределения системы двух случайных величин ( XY ) называется вероятность совместного выполнения неравенств X < х и Y < у :

             (34)

Событие означает произведение (совместное выполнение) событий {X < х} и {Y < у}.  Геометрической интерпретацией совместной функции распределения F ( xy) является вероятность попадания случайной точки ( XY ) на плоскости внутрь бесконечного квадранта с вершиной в точке (xy) (заштрихованная область на рис. 8).

  

Рис. 8. Геометрическая интерпретация совместной функции распределения F(xy)

Основные свойства совместной функции распределения:

           (35)

Здесь 

Система двух случайных величин ( XY ) называется непрерывной, если ее совместная функция распределения F (xy) – непрерывная функция, дифференцируемая по каждому аргументу, у которой существует вторая смешанная частная производная  . Обе случайные величины X и Y – непрерывны. Тогда функция

           (36)

называется совместной плотностью распределения системы двух случайных величин ( XY ).

Основные свойства совместной плотности распределения:

              (37)

В качестве числовых характеристик системы двух случайных величин X и Y обычно рассматриваются начальные и центральные моменты различных порядков.  Порядком момента называется сумма его индексов k + s

Начальным моментом порядка  k + s системы двух случайных величин X и Y называется математическое ожидание произведения X kна Y s :

             (38)

Центральным моментом порядка  k + s системы двух случайных величин ( XY ) называется  математическое ожидание произведения (Xmx )k на  (Ymy )s :

            (39)

где  mx = М (Х),  my = М (Y).

Для системы дискретных случайных величин X и Y :

           (40)

           (41)

где  рi j Р Х =xi Y = yj }.

Для системы непрерывных случайных величин X и Y :

             (42)

               (43)

где  f ( xy ) – совместная плотность распределения случайных величин X и Y

В инженерных приложениях математической статистики чаще всего используются моменты первого и второго порядков.

Начальные моменты первого порядка

            (44)

являются математическими ожиданиями случайных величин X и Y.

Центральные моменты первого порядка всегда равны нулю:

          (45)

Начальные моменты второго порядка:

             (46)

Центральные моменты второго порядка:

             (47)

Здесь Dx , Dy – дисперсии случайных величин X и Y.

Центральный момент второго порядка   называется ковариацией случайных величин X и Y. Обозначим его  :

.            (48)

Из определения ковариации (48) следует:

           (49)

Дисперсия случайной величины является по существу частным случаем ковариации:

           (50)

По определению ковариации (48) получим:

            (51)

Ковариация двух случайных величин X и Y характеризует степень их зависимости и меру рассеивания вокруг точки  . Часто бывает удобно выразить ковариацию  в виде:

           (52)

Выражение (52) вытекает из определения ковариации (48).

Размерность ковариации  равна произведению размерностей случайных величин X и Y.

Безразмерная величина, характеризующая только зависимость случайных величин X и Y, а не разброс:

           (53)

называется коэффициентом корреляции случайных величин X и Y. Этот параметр характеризует степень линейной зависимости случайных

величин X и Y. Для любых двух случайных величин X и Y  коэффициент корреляции  . Если  , то линейная зависимость между X и Y возрастающая, если  , то линейная зависимость междуX и Y убывающая, при   линейной зависимости между X и Y нет. При   случайные величины X и Y  называются коррелированными, при  – некоррелированными. Отсутствие линейной корреляции не означает отсутствие любой другой зависимости между X и Y. Если имеет место жесткая линейная зависимость Y = aXb , то   при а > 0 и   при а < 0.

31

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.

Свойства двумерной функции распределения

1.  .

2.  .

3.  .

4.  ;

. (2)

5.   неубывающая функция по каждому из своих аргументов при фиксированном другом аргументе.

32

Плотность совместного распределения вероятностей   можно рассматривать как предел отношения вероятности попадания случайной точки в прямоугольник (с вершиной в точке   и сторонами   и  ) к площади этого прямоугольника, когда обе стороны этого прямоугольника стремятся к нулю.

Действительно, вероятность попадания случайной точки ( ) в прямоугольник с вершинами  ,   и   равна:

Применив к правой части теорему Лагранжа, получим:

где  . Отсюда:

.

Приняв во внимание, что   – площадь рассматриваемого прямоугольника, можно сделать вывод, что   – это отношение вероятности попадания случайной точки в рассматриваемый прямоугольник к площади этого прямоугольника. Если перейти к пределу при   и  , то   и   и, следовательно,  . Аналогично вероятности для дискретной случайной величины, плотность распределения вероятности для непрерывных величин можно представить в виде:

.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]