Условная плотность распределения

Рассмотрим другой подход при определении вероятности попадания двумерной СВ в элементарный прямоугольник со сторонами и , и устремим и к нулю.

Р ассмотрим вероятность попадания в элементарный прямоугольник как произведение вероятности попадания в бесконечную по аргументу полосу равную на вероятность попасть в полосу при условии, что аргумент попал в полосу - . В связи с тем, что аргументы и равносильны, запишем:

. (10.1)

Таким образом, двумерная плотность распределения равна произведению одномерных плотностей распределения, одна из которых условная. Отсюда следует, что условная плотность распределения равна:

(10.2)

Случайная величина не зависит от другой случайной величины, если безусловная плотность распределения этой величины равна условной плотности распределения:

(10.3)

В этом случае говорят, что случайные величины и статистически независимы.

При независимости случайных величин и получим:

(10.4)

Числовые характеристики системы случайных величин

По аналогии с одномерными СВ для двумерной случайной величины можно записать:

(10.5)

Если говорим о моменте го порядка двумерной СВ, это значит суммируем индексы: . Для однозначного задания момента двумерной СВ необходимо указать любые два числа из трех: , и .

Рассмотрим подробнее:

(10.6)

Как видим для двумерной СВ можно указать три центральных момента второго порядка, особый интерес вызывает смешанный момент.

Ковариацией (или корреляционным моментом) случайных величин и называется математическое ожидание произведения отклонений этих величин от своих математических ожиданий:

(10.7)

Для дискретной СВ:

(10.8)

Для непрерывной СВ:

(10.9)

Теорема: Корреляционный момент двух независимых случайных величин и равен нулю.

Доказательство: (Докажем эту теорему для непрерывных СВ). Пусть и независимые случайные величины, тогда согласно (10.4) . Подставим это в выражение (10.9)

(10.10)

Ковариация двух случайных величин характеризует как степень зависимости случайных величин, так и их рассеяние вокруг точки . Если рассеяние (степень разброса) мало, то и ковариация мала.

Ковариация двух случайных величин равна математическому ожиданию их произведения минус произведение математических ожиданий, т.е.

(10.11)

Коэффициентом корреляции двух случайных величин называется отношение ковариации к произведению средних квадратических отклонений этих величин:

(10.12)

Коэффициент корреляции является безразмерной величиной и не зависит от степени разброса, т.к. функция нормирована на меру разброса .

Пример 1. Имеются линейно зависимые случайные величины, т.е.

.

Необходимо вычислить коэффициент корреляции.

Решение. Пусть для заданной СВ . Тогда, учитывая свойства получим:

Свойства коэффициента корреляции

1. Коэффициент корреляции принимает значения на отрезке :

(10.13)

2. Если случайные величины независимы, то их коэффициент корреляции равен нулю. Это свойство верно, т.к. в этом случае .

3. Равенство нулю коэффициента корреляции – необходимое, но не достаточное условие независимости случайных величин. Из независимости случайных величин вытекает их некоррелированность. Обратное не всегда верно. Убедимся в этом на примере.

Пример 2. Имеются две СВ: . Докажите, что эти величины некоррелированные.

Решение. Вычислим ковариацию:

На практике для мерного случайного вектора достаточно сложно найти закон распределения (интегральную функцию, плотность распределения и т.п.). Поэтому обычно указывают математических ожиданий дисперсий и корреляционных моментов , характеризующих парные корреляции всех величин, составляющих вектор . Все корреляционные моменты, дополненные дисперсиями , располагают в виде матрицы:

(10.14)

которую называют корреляционной матрицей системы случайных величин.

Замечание. Корреляционная матрица симметрична относительно главной диагонали (см. формулы (10.8) и (10.9)).

Пример 2. Двумерная СВ задана дифференциальной функцией:

Докажите, что и зависимые и не коррелируемые СВ.

Решение. Зная двумерную плотность распределения, вычислим одномерные плотности:

Т.к. , то и зависимые величины. Найдем корреляционный момент: . Т.к. функция симметричная относительно , то , аналогично . Учитывая эти результаты, получим:

Действительно, каждый интеграл от нечетной функции в симметричных пределах равен нулю. Таким образом СВ и зависимые и не коррелируемые.