2. Система двух случайных величин и регрессия

Система двух случайных величин– совокупность двух случайных величин (X,Y), которые рассматриваются одновременно.

Измерения обычно осуществляются попарно, а полученные значения случайных величин X и Y в определенном смысле взаимосвязаны.

Закон распределения двумерной случайной величины дискретного типа представляет собой перечень значений этой величины и их вероятностей, указанных в специальной таблице. В табл.1 представлены возможные значения (x_i, y_j) и их совместные вероятности:

. Зная закон распределения дискретной двумерной случайной величины (X,Y), можно найти закон распределения каждой случайной величиныX и Y:

;

.

Таблица 1

Закон распределения двумерной случайной величины

Y	X
	x1	x2	…	xi	…	xn	pyj
y1	p11	p21	…	pi1	…	pn1	py1
y2	p12	p22	…	pi2	…	pn2	py2
…	…	…	…	…	…	…	…
yj	p1j	p2j	…	pij	…	pnj	pyj
…	…	…	…	…	…	…	…
ym	p1m	p2m	…	pim	…	pnm	pym
pxi	px1	px2	…	pxi	…	pxn

Интегральная функция распределениядвумерной случайной величины (X,Y) есть вероятность совместного выполнения неравенствX < xиY < y, т.е.

F(x,y) = P(X < x, Y < y).

Двумерная случайная величина непрерывного типа может быть задана интегральной или дифференциальной функцией распределения. Если интегральная функция распределения всюду непрерывна и имеет непрерывную смешанную частную производную второго порядка, то дифференциальная функция распределения системы двух случайных величин (X,Y) определяется по формуле

.

Плотность распределения отдельных случайных величин, входящих в систему, выражается через плотность системы случайных величин следующим образом:

.

Условный закон распределенияслучайной величины, входящей в систему, есть закон ее распределения, полученный в предположении, что другая случайная величина приняла определенное значение. Для системы случайных величин дискретного типа условные законы распределения имеют вид:

.

Условные математические ожидания (условные средние) дискретных случайных величин:

Условные распределения показывают, что одна СВ реагирует на изменение другой изменением своего закона распределения. Такая общая зависимость называется стохастической (вероятностной) и достаточно сложна для изучения. Однако зависимость условного среднего одной СВ от значений другой является функцией, которая называется регрессией: – регрессияYнаX, – регрессияXнаY. Но и функции регрессии в общем случае достаточно сложны, поэтому используют различные их приближения, например линейной функцией (наилучшей в смысле наименьшего значения среднего квадрата отклонения). Это значит, что для регрессииYнаX,функция приближается линейной функциейy = ax + b:

.

Запишем уравнения таких наилучших линейных регрессий.

Для регрессии YнаX это уравнение:

,

а для регрессии XнаY:

,

где ,,,.

Коэффициент корреляции

характеризует близость (или тесноту) связи между случайными величинами к линейной.

Отметим, что всегда . Если, то СВ называютсянекоррелированнымии в этом случае их условные средние значения являются постоянными, т.е. не зависят от значений другой СВ, что характеризует их слабую взаимозависимость. Если(угол между прямыми наилучших линейных регрессий близок к прямому), связь между случайными величинами достаточно слабая и нелинейная. Если(угол близок к нулю), то связь сильная и близка к линейной. В случае промежуточного значенияr_xy(и угла) связь достаточно сильна и существенно нелинейная.