- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
откуда заключаем, что m1, m2 - математические ожидания компонент X, Y двумерной нормальной случайной величины (X, Y ), σ1, σ2 - средние квадратические отклонения их компонент.
Графиком двумерной нормальной плотности в пространстве является холмообразная поверхность, располагающаяся над всей плоскостью xOy, асимптотически приближающаяся к ней при удалении на бесконечность, симметричная относительно вертикальной оси, проходящей через центр (m1, m2), и с вершиной в этой точке. Любое сечение поверхностиграфика нормальной плотности плоскостью, перпендикулярной xOy, является кривой Гаусса.
6.5Зависимость и независимость двух случайных величин
Определение. Случайные величины X, Y называются независимыми, если независимыми являются события X < x и Y < y для любых вещественных x, y. В противном случае случайные величины (X, Y ) называются зависимыми.
Теорема. Общее необходимое и достаточное условие независимости двух случайных величин:
FXY (x, y) = FX (x) · FY (y)
для любых вещественных x и y.
Это условие есть иначе записанное необходимое и достаточное условие независимости двух событий: P (AB) = P (A)P (B) для случая событий A = (X < x), B = (Y < y).
Теорема. Необходимое и достаточное условие независимости двух непрерывных случайных величин:
fXY (x, y) = fX (x) · fY (y), x, y.
Теорема. Необходимое и достаточное условие независимости двух дискретных случайных величин:
pik = pi• · p•k
для любых i = 1, 2, . . . , m; k = 1, 2, . . . , n.
Замечание. Равенство нулю коэффициента корреляции ρ является необходимым и достаточным условием независимости компонент X, Y двумерной нормальной случайной величины (X, Y ).
6.6Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
6.6.1Условные законы распределения
Определение. Условным законом распределения одной из одномерных составляющих двумерной случайной величины (X, Y ) называется ее закон распределения, вычисленный при условии, что другая составляющая приняла определенное значение (или попала в какой-то интервал).
50
В случае дискретных случайных величин формулы для нахождения условных вероятностей имеют вид:
pj(xi) = |
P [(X = xi)(Y = yj)] |
, pi(yj) = |
P [(X = xi)(Y = yj)] |
. |
|
P (Y = yj) |
|
|
|||
|
|
P (X = xi) |
В случае непрерывных случайных величин эти формулы примут вид
fY (x) = |
fXY (x, y) |
, fX (y) = |
fXY (x, y) |
, |
|
fY (y) |
fX (x) |
||||
|
|
|
т.е. условная плотность вероятности одной из одномерных составляющих двумерной случайной величины равна отношению ее совместной плотности к плотности вероятности ее другой составляющей.
Данные соотношения, записанные в виде
fXY (x, y) = fX (x)fX (y) = fX (y)fY (x),
называются теоремой (правило) умножения плотностей распределений.
Используя формулы для получения одномерных составляющих непрерывной случайной величины запишем формулы для условных составляющих:
fY (x) = |
|
fXY (x, y) |
|
, fX (y) = |
|
fXY (x, y) |
. |
|
+∞ |
|
+∞ |
||||
|
|
R |
|
|
R |
|
|
|
|
fXY (x, y)dx |
|
|
fXY (x, y)dy |
|
|
|
−∞ |
|
−∞ |
|
6.6.2Числовые характеристики
Рассмотрим случайную величину ϕ(X, Y ), являющуюся функцией компонент X, Y двумерной случайной величины (X, Y ). Справедливы общие формулы:
|
+∞ +∞ |
|
M[ϕ(x, y)] = |
Z Z |
ϕ(x, y)fXY (x, y)dxdy |
−∞ −∞
для непрерывного случая и
m |
n |
XXk |
|
M[ϕ(X, Y )] = |
ϕ(xi, yk)pik |
i=1 |
=1 |
для дискретного случая.
Здесь fXY (x, y) - плотность вероятности случайной величины (X, Y ), а pik = P (X = xi, Y = yk) (i = 1, . . . , m; k = 1, . . . , n) - закон распределения дискретной двумерной случайной вели-
чины.
С помощью этих формул можно записать формулы для математического ожидания и дисперсии одномерных компонент дискретной случайной величины.
Формулы для нахождения математического ожидания имеют вид:
+∞ +∞
M(X) = Z Z |
xfXY (x, y)dxdy; |
−∞ −∞ |
|
51
+∞ +∞
Z Z
M(Y ) = yfXY (x, y)dxdy
−∞ −∞
для непрерывных случайных величин;
mn
XX
M(X) = xipik;
i=1 k=1
m n
XX
M(Y ) = ykpik
i=1 k=1
для дискретного случая.
Формулы для вычисления дисперсии одномерных компонент двумерной случайной величины имеют вид:
|
+∞ |
|
D(X) = M[(X − M(X))2 |
] = Z |
(x − M(X))fXY (x, y)dxdy; |
|
−∞ |
|
|
+∞ |
|
D(Y ) = M[(Y − M(Y ))2 |
] = Z |
(y − M(Y))fXY (x, y)dxdy |
−∞
в случае непрерывной двумерной случайной величины и
m |
n |
XXk |
|
D(X) = M[(X − M(X))2] = |
(xi − M(X))pik; |
i=1 |
=1 |
m |
n |
XX
D(Y ) = M[(Y − M(Y ))2] = (yk − M(Y ))pik
i=1 k=1
для дискретного случая.
6.6.3Корреляционные момент и коэффициент корреляции
Выше были сформулированы функциональные характеристики зависимости двух случайных величин. Рассмотрим теперь числовые характеристики связи между случайными величинами.
Определение. Корреляционным моментом KXY , иначе - ковариацией, двух случайных величин X, Y называется математическое ожидание произведения отклонений этих случайных величин от их математических ожиданий:
KXY = M[(X − mX )(Y − mY )].
Очевидно, что KXY = KY X .
Формулы для вычисления KXY имеют вид:
+∞ +∞
KXY = Z Z |
(x − mX )(y − mY )fXY (x, y)dxdy |
−∞ −∞ |
|
52
для непрерывных случайных величин;
mn
XXk |
|
KXY = |
(xi − mX )(yk − mY )pik |
i=1 |
=1 |
для дискретных случайных величин.
Определение. Коэффициентом корреляции ρXY двух случайных величин X, Y называется отношение их корреляционного момента к произведению их средних квадратических отклонений:
ρXY = KXY .
σX σY
Очевидно, что ρXY = ρY X .
Корреляционный момент и коэффициент корреляции - это числовые характеристики двумерной случайной величины, причем ρXY - безразмерная характеристика. Из их свойств следует, что они характеризуют связь между случайными величинами.
Свойства корреляционного момента и коэффициента корреляции. Свойство 1.
KXY = M[XY ] − mX mY .
Эту формулу удобно применять для вычисления ковариации.
Свойство 2.
−1 ≤ ρ ≤ 1.
Это свойство означает, что коэффициент корреляции - нормированная характеристика. Свойство 3. Для независимых случайных величин X, Y их корреляционный момент,
а следовательно, и коэффициент корреляции, равны нулю.
Замечание. Обратное предложение в общем случае неверно, т.е. существуют независимые случайные величины (X, Y ), для которых KXY = 0.
Определение. Две случайные величины X, Y называются некоррелированными, если их корреляционный момент равен нулю. Если KXY 6= 0, то говорят, что X, Y коррелируют между собой.
Замечание. Если KXY 6= 0, то случайные величины X, Y зависимы.
Свойство 4. Для случайных величин X, Y = aX + b, связанных линейной зависимостью, коэффициент корреляции равен 1, если a > 0, и −1, если a < 0.
Свойство 5. Если |ρXY | = 1, то случайные величины X, Y связаны линейной зависимостью с вероятностью единица.
Замечание. Величина M[XY ] = α1,1 называется вторым смешанным начальным моментом двумерной случайной величины (X, Y ), а ее корреляционный момент KXY -
вторым смешанным центральным моментом.
53