- •СОДЕРЖАНИЕ
- •ЛЕКЦИЯ 1
- •Введение
- •Основные понятия
- •Аксиомы теории вероятностей
- •Непосредственный подсчет вероятностей
- •Основные комбинаторные формулы
- •ЛЕКЦИЯ 2
- •Геометрическое определение вероятностей
- •Теоремы сложения вероятностей
- •Тогда на основании второй аксиомы
- •Условная вероятность
- •Зависимые и независимые события
- •Теоремы умножения вероятностей
- •Вероятность безотказной работы сети
- •ЛЕКЦИЯ 3
- •Формула полной вероятности
- •Формула Байеса
- •Теорема о повторении опытов
- •Функция распределения
- •Ряд распределения
- •Плотность распределения
- •ЛЕКЦИЯ 5
- •Числовые характеристики случайной величины
- •ЛЕКЦИЯ 6
- •Типовые законы распределения
- •ЛЕКЦИЯ 7
- •Функции одного случайного аргумента
- •Закон распределения функции случайного аргумента
- •Числовые характеристики функции случайного аргумента
- •Характеристическая функция случайной величины
- •Двухмерная функция распределения
- •Матрица распределения
- •Двухмерная плотность распределения
- •Зависимые и независимые случайные величины
- •Условные законы распределения
- •ЛЕКЦИЯ 9
- •Числовые характеристики двухмерных величин
- •Условные числовые характеристики
- •ЛЕКЦИЯ 10
- •Нормальный закон распределения на плоскости
- •Закон распределения функции двух случайных величин
- •Многомерные случайные величины
- •Числовые характеристики суммы случайных величин
- •Числовые характеристики произведения случайных величин
- •ЛЕКЦИЯ 12
- •Закон больших чисел
- •Центральная предельная теорема
- •ЛЕКЦИЯ 13
- •Математическая статистика. Основные понятия
- •Оценка закона распределения
- •ЛЕКЦИЯ 14
- •Точечные оценки числовых характеристик
- •Оценка параметров распределения
- •Интервальные оценки числовых характеристик
- •ЛЕКЦИЯ 15
- •Проверка статистических гипотез
- •Критерии согласия
- •Статистические критерии двухмерных случайных величин
- •ЛЕКЦИЯ 17
- •Оценка регрессионных характеристик
- •Метод наименьших квадратов
- •ЛИТЕРАТУРА
ЛЕКЦИЯ 10
Нормальный закон распределения на плоскости
Непрерывная двухмерная случайная величина (X, Y) имеет нормальное распределение, если ее плотность вероятности равна:
|
|
|
|
1 |
|
|
|
− |
1 |
|
|
(x−mX ) |
2 |
− |
2RXY (x−mX )(x−mY ) |
+ |
( y−mY ) |
2 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
2(1−R2 |
) |
2σ2 |
|
|
σ |
|
σ |
|
|
2σ2 |
|
|
|
f (x, y) = |
|
|
|
|
|
− R2 e |
|
|
|
|
|
|
|
|||||||||
2πσ |
X |
σ |
Y |
1 |
|
XY |
|
|
X |
|
|
|
X |
|
Y |
|
Y |
|
, (10.1) |
|||
|
|
|
|
XY |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где mX ,mY ,σX ,σY , RXY – параметры распределения.
Если составляющие X, Y двумерной нормально распределенной случайной величины некоррелированы, то они и независимы, т.е. при RXY = 0
|
1 |
|
|
−1 |
|
(x−mX ) |
2 |
2 |
|
|
1 |
|
−(x−mX ) |
2 |
|
1 |
|
−( y−mY ) |
2 |
|
||||
|
|
|
|
|
+( y−mY ) |
|
|
|
|
|
|
|
|
|||||||||||
f (x, y) = |
2πσ σ |
|
e |
|
|
X |
|
|
Y |
|
= |
σ π e |
|
X |
|
|
σ π e |
|
Y |
|
= fX (x) fY (y) . |
|||
|
X |
Y |
|
2 |
|
σ2 |
|
|
σ2 |
|
|
|
X 2 |
|
|
2σ2 |
|
|
y 2 |
|
|
2σ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Итак, для нормальных случайных величин понятия независимости и некоррелированности равносильны.
Закон распределения функции двух случайных величин
Рассмотрим функцию двух случайных аргументов Y = ϕ(X1, X2 ) .
Необходимо определить закон распределения случайной величины Y по известному закону распределения двухмерной случайной величины (Х1, Х2) и виду преобразования ϕ. Функция распределения G(y) величины Y определяется по формуле
G(y) = p(Y < y) = p( f (x1, x2 ) < y) = ∫∫ f (x1, x2 )dx1dx2 , |
(10.2) |
(D) |
|
где f (x1, x2 ) − совместная плотность вероятности
В формуле |
(10.2) |
интегрирование |
x2 |
||
производится по области D, которая |
|||||
y |
|||||
определяется |
из |
|
условия |
||
ϕ( X 1 , X 2 ) < y . |
Форма области D |
|
|||
зависит от вида функции ϕ( X1 |
, X 2 ) . В |
|
|||
случае, когда Y = X 1 |
+ X 2 , |
область |
|
интегрирования имеет вид, показанный на рисунке, и функция распределения суммы двух случайных величин определяется по формуле
величин X1 и X2.
y=x1+x2
D
y x1
∞ y−x1 |
|
|
∞ y−x2 |
|
|
|
||
|
∫ |
f (x1, x2 )dx2 |
|
|
∫ |
f (x1, x2 )dx1 |
|
(10.3) |
G(y) = ∫ |
dx1 |
= ∫ |
dx2 . |
|||||
−∞ |
−∞ |
|
|
−∞ |
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
Дифференцируя это выражение по y, получим плотность распределения величины Y:
g(y) = ∞∫ f (x1, y − x1)dx1 = |
∞∫ f (y − x2, x2)dx2 . |
(10.4) |
−∞ |
−∞ |
|
Если величины X1 и X2 независимы, то |
|
|
g(y) = ∞∫ f1(x1) f2(y − x1)dx1 = ∞∫ f1(y − x2) f2(x2)dx2 . |
(10.5) |
|
−∞ |
−∞ |
|
Вслучае, когда складываются независимые случайные величины, говорят
окомпозиции законов распределения. Произвести композицию двух законов распределения – это значит найти закон распределения суммы двух независимых случайных величин, распределенных по этим законам (см. (10.5)).
Многомерные случайные величины
Совокупность произвольного числа n одномерных случайных величин Хi, i = 1, …, n, которые принимают значение в результате проведения одного и того же опыта, называется n-мерной случайной величиной (Х1, Х2, …, Хn). Ее можно интерпретировать как случайную точку или случайный вектор в n-мерном пространстве.
Полной характеристикой n-мерной случайной величины (Х1, Х2, …, Хn) является n-мерный закон распределения, который может быть задан функцией распределения или плотностью вероятности.
Функцией распределения n-мерной случайной величиной (Х1, Х2, …, Хn)
называется вероятность выполнения n неравенств вида Хi < xi: |
|
F(x1, x2 ...xn ) = p{(X1 < x1 )(X2 < x2)... (Xn < xn )}. |
(10.6) |
Функцию распределения любой частной системы из величин, входящих в систему, можно получить, если положить все остальные аргументы n-мерной функции распределения равными бесконечности.
Плотностью распределения n-мерной случайной величиной (Х1, Х2, …,
Хn) называется n-я смешанная частная производная функции F(x1 |
, x2 ...xn ) , взятая |
||||||||
один раз по каждому аргументу: |
|
|
|
|
|
|
|
|
|
f ( x1 ,x2 ...xn ) = |
∂ n F ( x |
1 |
,x |
2 |
...x |
n |
) |
. |
(10.7) |
|
|
|
|
||||||
|
∂x1∂x2 ...∂xn |
|
|
|
|
Она обладает следующими свойствами:
∞∫... |
∞∫ f (x1 ,..., xn )dx1 ...dxn = 1 |
(10.8) |
−∞ |
−∞ |
|
3. Плотности распределения меньшего порядка могут быть получены путем интегрирования n-мерной плотности распределения по ненужным переменным. Например, одномерная плотность распределения величины Хк равна
+∞ |
+∞ |
|
fk (xk ) = ∫ |
..(n−1).. ∫ f1 (x1,..., xn )dx1...dxk −1dxk +1......dxn . |
(10.9) |
−∞ |
−∞ |
|
4. Вероятность попадания случайной точки (Х1, Х2, …, Хn) в пределы n- мерной области D равна n-кратному интегралу по этой области:
p{(X1 X2...Xn ) D} = ∫... ∫ |
f (x1, x2 ,...xn )dx1dx2.....dxn . |
(10.10) |
(D) |
|
|
Случайные величины (Х1, Х2, …, |
Хn) называются независимыми, если |
закон распределения каждой частной системы, выделенной из системы (Х1, Х2, …, Хn), не зависит от того, какие значения приняли остальные случайные величины.
Плотность распределения системы независимых случайных величин равна произведению плотностей распределения отдельных величин, входящих в систему: f (x1, x2 ,..., xn ) = f1(x1) f2 (x2 )... fn (xn ) .
Основные числовые характеристики n-мерной случайной величиной (Х1, Х2, …, Хn) следующие.
1. Вектор математических ожиданий M = (m1, m2, …, mn):
mi = ∞∫... |
∞∫xi f (x1 ,..., xn )dx1...dxn . |
(10.11) |
−∞ |
−∞ |
|
2. Вектор дисперсий D = (D1, D2, …, Dn): |
|
|
Di = ∞∫... ∞∫(xi − mi )2 f (x1 ,..., xn )dx1...dxn . |
(10.12) |
−∞ −∞
3.Корреляционная матрица, характеризующая попарную корреляцию
всех величин, входящих в систему:
|
|
|
|
|
K11 |
K12 |
Κ |
K1n |
|
|
|
|
|
|
|
|
|||||
Kij |
|
|
|
= |
K21 |
K22 |
Κ K2n |
|
, |
|
|
|
|
||||||||
|
|
|
|
|
Μ |
Μ Ο |
Μ |
|
||
|
|
|
|
|
Kn1 |
Kn2 |
Κ |
Knn |
|
|
где
Kij = ∞∫... ∞∫(xi − mi )( x j − m j ) f (x1 ,..., xn )dx1...dxn . (10.13)
−∞ −∞
Данная матрица является симметричной ( Kij = K ji ) и включает в себя вектор дисперсий, так как Кii = Di
4. Матрица коэффициентов корреляции:
|
|
|
|
|
|
|
|
1 |
|
R12 |
K |
||
|
|
|
Rij |
|
|
|
= |
R21 |
|
1 |
K |
||
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
M |
|
M |
O |
||
|
|
|
|
|
|
|
|
Rn1 |
|
Rn 2 |
K |
||
где |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
Rij |
= |
Kij |
|
|
|
|
|
|
|
|
|
|
|
D D |
. |
||||
|
|
|
|
|
|
|
|
|
|
i |
|
j |
Матрица квадратная и симметричная.
R1n
R2 n
M , 1
(10.14)