27. Понятие системы двух дискретных величин. Матрица и ф совместного распределителя.

28. Частные распределения дсв, входящих в систему

29. Условные распред дсв, вход в систему. Условное мат ожид дсв.

Определение. Условным математическим ожиданием Дискретной случайной величины Y при X = x (х – определенное возможное значение Х) называется произведение всех возможных значений Y на их условные вероятности.

Для непрерывных случайных величин:

,

Где F(Y/X) – условная плотность случайной величины Y при X=x.

Условное математическое ожидание M(Y/X)=F(X) является функцией от Х и называется Функцией регрессии Х на Y.

Пример. Найти условное математическое ожидание составляющей Y при

X= x1=1 для дискретной двумерной случайной величины, заданной таблицей:

Y	X
X1=1	X2=3	X3=4	X4=8
Y1=3	0,15	0,06	0,25	0,04
Y2=6	0,30	0,10	0,03	0,07

Аналогично определяются условная дисперсия и условные моменты системы случайных величин.

30. Корреляционный момент и коэф корреляции системы 2х дсв.

Две случайные величины X и У называют коррелированными, если их корреляционный момент (или, что то же, коэффициент корреляции) отличен от нуля; X и У называют некоррелированными величинами, если их корреляционный момент равен нулю.  Две коррелированные величины также и зависимы. Действительно, допустив противное, мы должны заключить, что µ_xy =0, а это противоречит условию, так как  для коррелированных величин µ_xy ≠ 0.  Обратное предположение не всегда имеет место, т. е. если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными. Другими словами, корреляционный момент двух зависимых величин может быть не равен нулю, но может и равняться нулю. 

31. Независимость и некоррелированность случ вел.

http://teorver-online.narod.ru/teorver22.html

Под статистической независимостью двух случайных величин   и   понимается, что плотность вероятности одной случайной величины не зависит от того, какое значение принимает другая величина. В таком случае двумерная плотность вероятности представляет собой произведение одномерных плотностей вероятностей:

 ,

что определяет условие статистической независимости.

При наличии статистической связи между случайными величинами статистические свойства каждой из них зависит от значения, принимаемого другой величиной.

Мерой линейной статистической связи между случайными величинами является коэффициент корреляции:

При этом   . Предельные значения   достигаются, если реализации случайных величин   и   жестко связаны линейным соотношением вида   , причём знак коэффициента и определяет знак   .

Отсутствие линейной статистической связи означает отсутствие коррелированности случайных величин   и   . При этом   .

Таким образом для некоррелированных случайных величин:

Из статистической независимости следует некоррелированность двух случайных величин. Обратное неверно, т.е. некоррелированные случайные величины могут быть зависимыми.