- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины.
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности.
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4 Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельные оценки
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 6. Групповая и общая средние
- •§ 7. Отклонение от общей средней и его свойство
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутригрупповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсий по исправленной выборочной
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии по не сгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 6. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§ 13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая и конкурирующая, простая и сложная гипотезы
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны (независимые выборки)
- •§ 11( Сравнение двух средних произвольно распределенных генеральных совокупностей (большие независимые выборки)
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности а. Дисперсия генеральной совокупности известна.
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§ 16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
До сих пор рассматривались случайные величины, возможные значения которых определялись одним числом. Такие величины называют одномерными. Например, число очков, которое может выпасть при бросании игральной кости,- дискретная одномерная величина; расстояние от орудия до места падения снаряда - непрерывная одномерная случайная величина.
Кроме одномерных случайных величин изучают величины, возможные значения которых определяются двумя, тремя, … , п числами. Такие величины называются соответственно двумерными, трехмерными, . . ., n-мерными.
Будем обозначать через (X, Y) двумерную случайную величину. Каждую из величин X и Y называют составляющей (компонентой); обе величины X и Y, рассматриваемые одновременно, образуют систему двух случайных величин. Аналогично n-мерную величину можно рассматривать как систему п случайных величин. Например, трехмерная величина (X, Y, Z) определяет систему трех случайных величин X, Y и Z.
Пример. Станок-автомат штампует стальные плитки. Если контролируемыми размерами являются длина X и ширина Y, то имеем двумерную случайную величину (X, Y); если же контролируется и высота 2, то имеем трехмерную величину (X, Y, Z).
Двумерную случайную величину (X, Y) геометрически можно истолковать либо как случайную точку М (X, Y) на плоскости (т. е. как точку со случайными координатами), либо как случайный вектор ОМ. Трехмерную случайную величину геометрически можно истолковать как точку М (X, Y, Z) в трехмерном пространстве или как вектор OM.
Целесообразно различать дискретные (составляющие этих величин дискретны) и непрерывные (составляющие этих величин непрерывны) многомерные случайные величины.
§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
Законом распределения дискретной двумерной случайной величины называют перечень возможных значений этой величины, т. е. пар чисел (xi ,yj) и их вероятностей p(xi ,yj) (i=1, 2, .... ,n; j = 1, 2, .... ,n). Обычно закон распределения задают в виде таблицы с двойным входом (табл. 2).
Первая строка таблицы содержит все возможные значения составляющей X, а первый столбец — все возможные значения составляющей Y. В клетке, стоящей на пересечении «столбца хi» и «строки уj», указана вероятность p(xi ,yj) того, что двумерная случайная величина примет значение (xi ,yj) .
Так как события (Х=xi, Y=yj) (i=1, 2, .... ,n; j = 1, 2, .... ,n) образуют полную группу (см. гл. II, § 2) то сумма вероятностей, помещенных во все клетки таблицы, равна еденицы.
Таблица 2
Y |
X | |||||
x1 |
x2 |
… |
xi |
… |
xn | |
y1 |
p(x1, y1) |
p(x2, y1) |
… |
p(xi, y1) |
… |
p(xn, y1) |
… |
… |
… |
… |
… |
… |
… |
yj |
p(x1, yj) |
p(x2, yj) |
… |
p(xi, yj) |
… |
p(xn, yj) |
… |
… |
… |
… |
… |
… |
… |
ym |
p(x1, ym) |
p(x2, ym) |
… |
p(xi, ym) |
… |
p(xn, ym) |
Зная закон распределения двумерной дискретной случайной величины, можно найти законы распределения каждой из составляющих. Действительно, например, события (Х=х1, Y=у1), (Х=х1, Y=у2), .... (Х = x1 , Y=ут) несовместны, поэтому вероятность Р (х1) того, что X примет значение х1, по теореме сложения такова:
Р(х1) = р(х1, у1) + р(х1, у2)+ ...+р(х1, ут).
Таким образом, вероятность того, что X примет значение х1 равна сумме вероятностей «столбца х1». В общем случае, для того чтобы найти вероятность Р (X =xi), надо просуммировать вероятности столбца xi. Аналогично сложив вероятности «строки yj», получим вероятность P(Y=yi).
Пример. Найти законы распределения составляющих двумерной случайной величины, заданной законом распределения (табл. 3).
Решение. Сложив вероятности по столбцам, получим вероятности возможных значений Х: Р (х1) = 0,16; Р (x2)=0,48; Р (x3)=0,35. Напишем закон распределения составляющей X:
X x1 x2 x3
P 0,16 0,48 0,35
Таблица3
Y |
X | ||
x1 |
x2 |
x3 | |
y1 |
0,10 |
0,30 |
0.20 |
y2 |
0,06 |
0,18 |
0,16 |
Контроль: 0,16+0,48+0,36=1.
Сложив вероятности по строкам, получим вероятности возможных Y: Р(у1)=0,60; Р(у2)=0,40. Напишем закон распределения Составляющей Y: Y у1 у2
Р 0,60 0,40
Контроль: 0,60+0,40=1.
§ 3. Функция распределения двумерной случайной величины.
Рассмотрим двумерную случайную величину (X, Y) (безразлично, дискретную или непрерывную).
Пустьx, у -пара действительных чисел. Вероятность события, состоящего в том, что X примет значение, меньшее x, и при этом Y примет значение, меньшее у, обозначим через F(x, у). Если x и у будут изменяться, то, вообще говоря, будет изменяться и F(х, у), т.е. F(x, у) - есть функция от x и у.
Функцией распределения двумерной случайной величины (X, Y) называют функцию F(x, у), определяющую для каждой пары чисел x, у вероятность того, что X примет значение, меньшее x, и при этом Y примет значение, меньшее у:
F(x, у) = Р(Х<x, Y<у).
Геометрически это равенство можно истолковать так: F (x, у) есть вероятность того, что случайная точка (X, Y) попадет в бесконечный квадрант с вершиной (x, у), расположенный левее и ниже этой вершины (рис. 13)
Пример. Найти вероятность того, что в результате испытания составляющая X двумерной случайной величины (X, Y) примет значение X < 2 и при этом составляющая Y примет значение Y < 3, если известна функция распределения системы
Решение. По определению функции распределения двумерной случайной величины.
F(x, y) = Р(Х<x, Y<у).
Положив x=2, y=3, получим искомую вероятность.