- •Раздел 1. Случайные события.
- •Раздел 2. Случайные величины
- •Раздел 3. Системы случайных величин (случайные векторы).
- •4.7. Законы распределения функции случайных векторов 65
- •Раздел 1. Случайные события
- •1.1 Основные пояснения к терминам и понятиям.
- •1.2 Алгебра событий
- •1.3 Выборочное пространство. Вероятность события.
- •1.4 Простейшие способы определения вероятностей
- •1.6 Правило сложения вероятностей
- •1.7 Условная вероятность события. Правило умножения вероятностей.
- •1.8 Формула полной вероятности
- •1.9 Априорные и апостериорные вероятности гипотез.
- •Раздел 2. Случайные величины
- •2.1 Аксиоматическое определение вероятности
- •2.2 Определение случайной величины и ее описание
- •2.3 Статистические ( числовые) характеристики случайных величин
- •Основные числовые характеристики случайной величины
- •2.4. Гауссовские случайные величины и их характеристики
- •Значения вероятности для гауссовского распределения при различных
- •2.5. Другие типы случайных величин
- •Виды функций плотности распределения вероятностей и соответствующие им характеристики
- •Раздел 3. Совокупность случайных величин (случайные векторы).
- •3.1. Определение случайного вектора и его описание.
- •3.2. Статистические характеристики случайных векторов
- •Основные определения и соотношения для двухмерного случайного вектора
- •3.4. Гауссовские случайные векторы и их характеристики.
- •Среднеквадратический эллипс ошибок, круговая вероятная ошибка
- •Раздел 4. Преобразование случайных величин.
- •4.3 Числовые характеристики от функций случайных величин.
- •4.4 Законы распределения функций случайных величин
- •4.5 Получение случайной величины с заданным распределением путем функционального преобразования.
- •4.6 Законы распределения функции двух случайных аргументов
- •. (4.73)
- •4.7 Законы распределения функции случайных векторов
- •4.8. Линейные преобразования случайных векторов
- •4.9. Определение статистических свойств длины проекции случайного двухмерного вектора на заданное направление
- •4.10. Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
- •Раздел 5. Элементы математической статистики
- •5.1 Первичная статистическая совокупность. Статистическая функция распределения.
- •5.2 Статистический ряд. Гистограмма
- •5.3 Числовые характеристики статистического распределения
- •5.4 Доверительный интервал. Доверительная вероятность.
- •5.6 Критерий согласия.
- •5.7 Критерий согласия Колмогорова
- •5.8 Статистическая проверка гипотез
3.2. Статистические характеристики случайных векторов
Вероятность попадания случайного вектора в область , его математическое ожидание иматрица ковариаций , которая является обобщением понятия дисперсии на многомерный случай, имеют вид:
(3.17)
(3.18)
. (3.19)
Здесь и в дальнейшем интегралы понимаются как многократные, причем если область интегрирования не указана, то пределы по каждой компоненте предполагаются от до.
Легко показать, что диагональные элементы матрицы ковариаций
, (3.20)
определяют дисперсии соответствующих компонент случайного вектора,
а недиагональные элементы матрицы ковариаций представляют собой математическое ожидание для двух случайных величини
, ,
(3.21)
при этом очевидно, что справедливо равенство , означающеесимметричность матрицы ковариаций, т.е. . Можно также показать, чтоматрица ковариаций является неотрицательно определенной матрицей, т.е. такой, для которой при любом .
Если математическое ожидание случайного вектора нулевое, то, как и в скалярном случае, такой вектор называется центрированным.
Понятие квантиля для векторного случая может быть в принципе введено, если определена область, для которой вычисляется вероятность. Понятие моды вводится аналогично, а понятие медианы не используется.
Независимые и некоррелированные случайные величины.
Некоррелированные случайные величины.
Если , то случайные величины называютсянекоррелированными или ортогональными. Отсюда следует, что для случайного вектора, у которого компоненты не коррелированы между собой, матрица ковариаций имеет диагональный вид.
Если заданы два случайных вектора, то можно ввести матрицу взаимной корреляции, определяемую как
,
где - совместная плотность распределения
Если эта матрица равна нулю, то говорят о том, что случайные векторы некоррелированы или ортогональны.
Свойство независимых случайных величин
Независимые случайные величины являются некоррелированными. Действительно
.
Предупреждение. Обратное утверждение в общем случае несправедливо.
Приведенные выше понятия для двухмерного вектора , представлены в табл. 3.1.
Т а б л и ц а 3.1
Основные определения и соотношения для двухмерного случайного вектора
Соотношение |
Определение |
Функция распределения вероятностей | |
Связь ф.п.р.в. и ф.р.в. |
, |
Условие нормировки |
|
Симметричность ф.п.р.в. |
|
Условия согласованности |
|
Независимость |
|
Некоррелированность |
|
Вероятность попадания случайного вектора в область |
|
Математическое ожидание |
,
|
Коэффициенты корреляции |
|
Дисперсии компонент |
, |
Матрица ковариаций |
, ,, |
Условные числовые характеристики совокупности случайных величин
Условные числовые характеристики совокупности случайных величинопределяются аналогично, но используют для их расчета условные плотности.
Числовые характеристики от функций случайных величин.
Как и в скалярном случае, располагая случайным вектором с известной совместной плотностью распределения., можно с помощью некоторой в общем случае нелинейной функциисформировать новый случайный вектор.. Математическое ожидание и матрица ковариаций для нового векторамогут быть найдены с помощью следующих соотношений:
; (3.22)
. (3.23)
Пример.. Пусть для двух случайных величин изаданы математические ожидания,, дисперсии,и коэффициент корреляции. Требуется найти математическое ожидание и дисперсию случайной величины, формируемой как, гдеи- известные коэффициенты.
С использованием (3.22), (3.23) можем записать:
;
.