![](/user_photo/1409_eZHEC.jpg)
- •Раздел 1. Классическая вероятностная схема
- •1.1 Основные формулы комбинаторики
- •Теорема о перемножении шансов
- •Урны и шарики
- •Урновая схема: выбор без возвращения, с учетом порядка
- •Урновая схема: выбор без возвращения и без учета порядка
- •Урновая схема: выбор с возвращением и с учетом порядка
- •Урновая схема: выбор с возвращением и без учета порядка
- •1.2 Основные понятия элементарной теории вероятностей Предмет теории вероятностей. Статистическая устойчивость.
- •Пространство элементарных исходов. Операции над событиями
- •Вероятность на дискретном пространстве элементарных исходов
- •Классическое определение вероятности
- •Гипергеометрическое распределение
- •Раздел 2. Геометрическая вероятность
- •2.1 Что это такое
- •2.2 Задача о встрече
- •2.3 Задача Бюффона
- •2.4 Парадокс Бертрана
- •Раздел 3. Аксиоматика теории вероятностей
- •3.2 Вероятность как нормированная мера
- •Раздел 4. Условная вероятность, независимость
- •4.1 Условная вероятность
- •4.2 Независимость
- •4.3 Формула полной вероятности
- •4.4 Формула Байеса
- •Раздел 5. Схема Бернулли
- •5.1 Распределение числа успехов в nиспытаниях
- •5.2 Наиболее вероятное число успехов
- •5.3 Номер первого успешного испытания
- •5.4 Приближение гипергеометрического распределения биномиальным
- •5.5 Независимые испытания с несколькими исходами
- •5.6 Теорема Пуассона для схемы Бернулли
- •Раздел 6. Случайные величины и их распределения
- •6.1 Случайные величины
- •6.2 Дискретные распределения
- •6.3 Примеры дискретных распределений Вырожденное распределение.
- •Распределение Бернулли.
- •Биномиальное распределение.
- •Геометрическое распределение.
- •Распределение Пуассона.
- •Гипергеометрическое распределение.
- •Раздел 7. Функция распределения
- •7.1 Свойства функции распределения
- •Прочие полезные свойства функций распределения
- •Функция распределения дискретного распределения
- •Раздел 8. Абсолютно непрерывные распределения
- •Свойства плотностей
- •8.1 Примеры абсолютно непрерывных распределений
- •8.2 Свойства нормального распределения
- •Стандартное нормальное распределение
- •Раздел 9. Случайные вектора и их распределения
- •9.1 Свойства функции совместного распределения
- •9.2 Типы многомерных распределений
- •Дискретное совместное распределение
- •Абсолютно непрерывное совместное распределение
- •9.3 Независимость случайных величин
- •Раздел 10. Преобразования случайных величин
- •10.1 Преобразование одной случайной величины
- •10.2 Функции от двух случайных величин
- •10.3 Примеры использования формулы свертки
- •Раздел 11. Числовые характеристики случайных величин
- •11.1 Математическое ожидание случайной величины
- •11.2 Свойства математического ожидания
- •11.3 Моменты старших порядков. Дисперсия
- •11.4 Свойства дисперсии
- •11.5 Математические ожидания и дисперсии стандартных распределений
- •Раздел 11. Числовые характеристики случайных величин
- •11.1 Математическое ожидание случайной величины
- •11.2 Свойства математического ожидания
- •11.3 Моменты старших порядков. Дисперсия
- •11.4 Свойства дисперсии
- •11.5 Математические ожидания и дисперсии стандартных распределений
- •Раздел 12. Числовые характеристики зависимости случайных величин
- •12.1 Чем отличается дисперсия суммы от суммы дисперсий?
- •12.2 Коэффициент корреляции
- •12.3 Свойства коэффициента корреляции
- •Раздел 13. Куда и как сходятся последовательности случайных величин
- •13.1 Сходимость «почти наверное» и «по вероятности»
- •13.2 Неравенства Чебышёва
- •13.3 Законы больших чисел
- •13.4 Примеры использования збч и неравенства Чебышёва
- •Раздел 14. Цпт (центральная предельная теорема)
- •14.1 Как быстро сходится к ?
- •14.2 Слабая сходимость
- •14.3 Центральная предельная теорема
- •14.4 Предельная теорема Муавра — Лапласа
- •14.5 Примеры использования цпт
12.3 Свойства коэффициента корреляции
Всюду далее специально не оговаривается, но предполагается, что коэффициент корреляции существует.
Теорема 26.
Коэффициент корреляции обладает следующими свойствами.
1. Если с. в. ξ иηнезависимы, тоρ(ξ, η) = cov(ξ, η) = 0.
2. ρ(ξ, η). 1
3. ρ(ξ, η)= 1, если и только если с. в.ξ иηс вероятностью 1линейносвязаны, т.е. существуют числаа 0иbтакие, чтоP(η = aξ+ b) = 1.
Определение 45. ПустьD конечна и отлична от нуля. Определим случайную величину
Преобразование
называетсястандартизациейслучайной
величиныξ,
а сама с. в.
называетсястандартизованной , или
(слэнг!)центрированной и нормированной
версией с. в.ξ.
Свойство
13. Стандартизованная с. в.
имеет
нулевое математическое ожидание и
единичную дисперсию.
Доказательство. Воспользуемся свойствами математического ожидания и дисперсии:
Полезно знать следующие часто употребляемые термины.
Определение 46. Говорят, что величиныξ иηотрицательно коррелированы, еслиρ(ξ, η) < 0; говорят, что величиныξ иηположительно коррелированы, еслиρ(ξ, η) > 0.
Смысл знака коэффициента корреляции особенно ясен в случае ρ(ξ, η) = 1. Тогда знакρравен знакуaв равенствеη = aξ+ bп.н. То естьρ(ξ, η) = 1означает, что чем большеξ, тем больше иη. Напротив,ρ(ξ, η) = -1означает, что чем большеξ, тем меньшеη. Похожим образом можно трактовать знак коэффициента корреляции и в случае, когдаρ(ξ, η) < 1, помня при этом, что зависимость величинξ иηтеперь уже не линейная и, возможно, даже не функциональная.
Так, величины ξ иξ + ηв примерах41и42положительно коррелированы, но их зависимость не функциональная.
Пример 43.
Если с. в. ξ иηесть координаты точки, брошенной наудачу в треугольник с вершинами(2,0),(0,0)и(0,1), то коэффициент корреляцииρ(ξ, η)отрицателен. Это можно объяснить «на пальцах» так:Чем большеξ, тем меньше у ηвозможностей быть большой) Предлагаю убедиться в этом, проверив справедливость следующих высказываний.
Во-первых,
Во-вторых,
Совместное распределение координат
точки, брошенной наудачу в произвольную
(измеримую) область D
на плоскости имеет постоянную плотность
во всех точках области D.
Это связано с понятием «наудачу»:
вероятность попасть в любую область A
D,
с одной стороны зависит только от площади
А и не зависит от формы и положения
А внутри
D,
равняясь с другой стороны, интегралу
по области А
от плотности совместного распределения
координат точки. Эти два качества
возможно совместить, только если
плотность совместного распределения
постоянна внутри D.
Более того, эта постоянная, как легко
видеть, есть просто
(хотя бы потому, что интеграл от нее по
всей областиD
должен ровняться вероятности попасть
в D,
или единице).
Распределение точки, брошенной наудачу в область (все равно где), называют равномернымраспределением.
Итак, плотность равномерного распределения в произвольной области на плоскости — постоянная, равная (1/ площадь области) для точек внутри области и нулю — вне. Поэтому (а также потому, что площадь этого треугольника равна 1)
То есть ковариация (а с ней и коэффициент корреляции) отрицательна (посчитать cov(ξ, η)).
Пример 44.
Найти коэффициент корреляции между числом выпадений единицы и числом выпадений шестерки при nподбрасываниях симметричного кубика.
Решение. Обозначим дляi = 1, 2, 3, 4, 5, 6 черезξiслучайную величину, равную числу выпадений грани сiочками приnподбрасываниях кубика. Посчитаемcov(ξ1, ξ6).
Каждая из случайных величин ξiимеет биномиальное распределение с параметрамиnи1/6, поэтому
.
Заметим, что сумма ξ1
+ … + ξnэтих величин равнаn.
В силу симметрии кубика, все математические
ожиданияодинаковы,
но, скорее всего, отличаются от
Посчитаем
С одной стороны, это равно
с другой стороны,
Отсюда
Следовательно, искомый коэффициент корреляции равен
Интересно, что полученный коэффициент корреляции не зависит от n.
... Откуда, наконец, вытекает то удивительное, по-видимому, следствие, что, если бы наблюдения над всеми событиями продолжать всю вечность, причем вероятность, наконец, перешла бы в полную достоверность, то было бы замечено, что в мире все управляется точными отношениями и постоянным законом изменений, так что даже в вещах, в высшей степени случайных, мы принуждены были бы признать как бы некоторую необходимость и, скажу я, рок.
Я к о б Б е р н у л л и, Ars conjectandi (1713)