- •Введение
- •Элементы линейной алгебры
- •Векторное пространство
- •Базис векторного пространства
- •Скалярное произведение векторов
- •Матрицы
- •Транспонирование, произведение и ранг матрицы
- •Определители и собственные значения
- •Сведения из теории вероятностей
- •Случайное событие и вероятность
- •Условная вероятность и независимость событий
- •Случайные величины и законы распределения
- •Многомерные случайные величины
- •Числовые характеристики случайных величин
- •Наиболее распространённые распределения
- •Основы математической статистики
- •Генеральная и выборочная совокупности
- •Выборочные характеристики и точечные оценки
- •Интервальные оценки параметров распределения
- •Проверка статистических гипотез
- •Начала регрессионного анализа
- •Основные понятия регрессионного анализа
- •Модели множественной линейной регрессии
- •Введение в систему R
- •Листинги программ
26 |
2. Сведения из теории вероятностей |
d ( ) . d
Основные свойства плотности распределения вероятностей ( ):
1.Плотность распределения вероятностей –– функция неотрицательная: ( ) > 0;
2.Плотность распределения удовлетворяет условию нормировки:
−∫∞∞ ( )d = 1 ;
3.Вероятность события [ , ] равна интегралу на соответствующем отрезке от плотности распределения:
P { 6 6 } = ∫ ( )d ;
4.Функция распределения равна несобственному интегралу от плотности распределения с переменным верхним пределом:
( ) =−∫∞ ( )d .
2.4.Многомерные случайные величины
Понятие случайной величины может быть обобщено на случай: системы случайных величин: = ( 1, 2, . . . , )T, где рассматривается как -мерный случайный вектор, а ( 1, 2, . . . , ) –– как система случайных величин, определённых на едином пространстве элементарных событий Ω.
Функция распределения -мерной случайной величины задаётся равенством
( 1, 2, . . . , ) = P { 1 < 1, 2 < 2, . . . , < } .
Случайный вектор называется непрерывным, если его функция распределения ( 1, 2, . . . , ) имеет смешанную частную производную -го порядка, которая называется плотностью распределения случайного вектора или совместной плотностью распределения системы случайных величин ( 1, 2, . . . , ):
2.4. Многомерные случайные величины |
27 |
( 1, 2, . . . , ) = ∂ ( 1, 2, . . . , ) . ∂ 1∂ 2 · · · ∂
Заметим, что свойства плотности вероятности -мерной случайной величины аналогичны свойствам плотности вероятности одномерной случайной величины.
Если рассмотрению подлежит только часть компонент вектора= ( 1, 2, . . . , )T, где < , то используется частная (маргинальная) функция распределения:
( 1, 2, . . . , ) = P { 1 < 1, 2 < 2, . . . , < } =
=P { 1 < 1, 2 < 2, . . . , < , +1 < ∞, . . . , < ∞} =
=( 1, 2, . . . , , ∞, . . . , ∞),
атакже частная (маргинальная) плотность распределения:
1,2,..., ( 1, 2, . . . , ) =
= ∫ · · · ∫ ( 1, 2, . . . , , +1, . . . , )d +1 · · · d ,
где интегрирование производится по всему множеству возможных значений переменных +1, . . . , .
Плотность распределения многомерной случайной величины , определённая при условии, что значения компонент +1, . . . , за-
фиксированы на соответствующих уровнях * |
, . . . , * , называется |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
+1 |
|
|
плотностью условного распределения случайной величины : |
||||||||||||||
( |
1 |
, |
2 |
, . . . , |
| |
|
+1 |
= * |
, . . . , |
|
= * ) = |
|
|
|
|
|
|
|
+1 |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
( 1, 2, . . . , ) |
||
|
|
|
|
|
|
|
|
|
|
|
= |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
+1,..., ( +1, . . . , ) |
Случайные величины 1, 2, . . . , называются (стохастически) независимыми, если функция их совместного распределения( 1, 2, . . . , ) представима в виде произведения функций распределения случайных величин:
( 1, 2, . . . , ) = ( 1) ( 2) · · · ( ) ,
или, в случае непрерывных случайных величин, аналогичным образом может быть записана их совместная плотность распределения:
( 1, 2, . . . , ) = ( 1) ( 2) · · · ( ) .
28 |
2. Сведения из теории вероятностей |
2.5.Числовые характеристики случайных величин
Описание случайной величины с помощью функции распределения ( ) является исчерпывающим, но для практических задач иногда оказывается излишне подробным. Бывает, что достаточно охарактеризовать конкретное свойство случайной величины с помощью некоторого числа, то есть перейти к её числовым характеристикам.
Для характеристики центра распределения значений случайной величины используется математическое ожидание. Математическим ожиданием (ожидаемым средним значением) дискретной случайной величины называется величина
M( ) = ∑ .
=1
Математическое ожидание непрерывной случайной величины, заданной плотностью распределения, вычисляется как
∞
M( ) = ∫ ( )d .
−∞
Основные свойства математического ожидания:
1.Если = const, то M( ) = ;
2.Если = const, то M( ) = M( );
3.M( + ) = M( ) + M( );
4.Если , –– некоррелированы, то M( ) = M( ) M( ).
Для характеристики рассеяния значений случайной величины относительно центра распределения служит дисперсия, определяемая как математическое ожидание квадрата отклонения случайной величины от своего математического ожидания
D( ) = M( − M( ))2.
Можно показать, что верна универсальная формула дисперсии
D( ) = M( 2) − M( )2.
Для нахождения дисперсии дискретной случайной величины используют формулу
2.5. Числовые характеристики случайных величин |
29 |
|
|
|
|
D( ) = ∑( − M( ))2 = ∑ 2 − M( )2. |
|
|
|
|
|
=1 |
=1 |
|
Дисперсия непрерывной случайной величины, заданной плотностью распределения, вычисляется по формуле
∞ |
∞ |
|
D( ) = ∫ |
( − M( ))2 ( )d = ∫ |
2 ( )d − M( )2. |
−∞ |
−∞ |
|
Основные свойства дисперсии:
1.Если = const, то D( ) = 0;
2.Если = const, то D( ) = 2D( );
3.Если , –– некоррелированы, то D( + ) = D( ) + D( ).
Среднее квадратическое (стандартное) отклонение определяется как квадратный корень из дисперсии = √D( ).
Случайную величину называют центрированной, если её математическое ожидание равно нулю M( ) = 0. Для центрирования произвольной случайной величины служит формула = − M( ).
Случайную величину называют нормированной, если её дисперсия равна единице D( ) = 1. Для нормирования произвольной
случайной величины служит формула = .
Случайную величину называют стандартной, если её математическое ожидание равно нулю M( ) = 0, а дисперсия равна единице D( ) = 1. Для стандартизации произвольной случайной величины
служит формула = −M( ) .
Медианой 1 называется такое значение случайной величины ,
2
которое делит область её возможных значений на две равновероятные части. Формально, медиана определяется как решение уравнения
( 1 ) = 1 .
2 2
Обобщая данное уравнение, приходим к понятию квантиля
уровня : ( ) = . Квантили, делящие область возможных значений случайной величины на четыре равновероятные части, назы-
ваются первым 1 |
, вторым 2 |
и третьим 3 |
квартилями. Легко |
|
4 |
4 |
4 |
|
= 1 . |
увидеть, что второй квартиль совпадает с медианой 2 |
||||
|
|
|
4 |
2 |
С геометрической точки зрения квантиль непрерывной случай-
ной величины есть такая точка на оси абсцисс, что площадь криволинейной трапеции, ограниченная графиком плотности распределения( ) и лежащая левее вертикальной прямой = , будет равна . С
30 |
2. Сведения из теории вероятностей |
другой стороны, квантиль по определению является корнем уравнения ( ) = , откуда следует, что квантиль–– это абсцисса = точки пересечения прямой = с графиком функции распределения
( ).
Для распределений, чья плотность является четной функцией (к примеру, центрированных равномерного и нормального распределений, распределения Стьюдента и тому подобных), квантили уровней (1 − ) и будут расположены симметрично относительно начала координат, то есть 1− = − .
Мерой взаимосвязи двух случайных величин и может служить коэффициент ковариации, определяемый по формуле
cov( , ) = = M(( − M( ))( − M( ))) =
= M( ) − M( )M( ).
Основным свойством коэффициента ковариации является его равенство нулю для независимых случайных величин и . Заметим, что обратное утверждение, вообще говоря, неверно.
Зависимость величины от масштаба изучаемых величин и делает неудобным её использование в практических приложениях. Поэтому для измерения связи между и обычно используют другую числовую характеристику , называемую коэффициентом корреляции
= .
Наиболее существенными являются следующие свойства коэффициента корреляции:
1.Коэффициент корреляции симметричен: = ;
2.Модуль коэффициента корреляции не превосходит единицы:
| | 6 1;
3.Модуль коэффициента корреляции равен единице | | = 1 только в том случае, когда случайные величины и связаны
линейной зависимостью;
4.Если случайные величины и независимы, то = 0, а если = 0, то говорят о некоррелированности случайных величин и ;
5.Величина коэффициента корреляции инвариантна относительно линейных преобразований.