- •Теория вероятностей и математическая статистика
- •Теория вероятностей
- •1. Общие понятия
- •1.1. Предмет теории вероятностей
- •1.2. Пространство элементарных событий
- •1.3. Операции над событиями
- •1.4. Статистический подход к понятию вероятности
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •2. Основные теоремы теории вероятностей
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •2.3. Формула полной вероятности
- •2.4. Формула Бейеса
- •3. Повторение испытаний
- •3.1. Независимые испытания. Формула Бернулли
- •3.2. Локальная теорема Муавра – Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Теорема Пуассона
- •3.5. Вероятность отклонения частоты от постоянной вероятности в независимых испытаниях
- •4. Случайные величины и функции распределения
- •4.1. Случайные величины
- •4.2. Функция распределения вероятностей для дискретной св
- •4.3. Функция распределения вероятностей для непрерывной св.
- •4.4. Функция плотности распределения вероятностей
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия и среднее квадратическое отклонение св
- •5.3. Моменты и другие числовые характеристики случайной величины
- •6. Основные законы распределения случайных величин
- •6.1. Законы распределения дискретных случайных величин
- •6.1.1. Биномиальное распределение
- •6.1.2. Распределение Пуассона
- •6.1.3. Геометрическое распределение
- •6.2. Законы распределения непрерывных случайных величин
- •6.2.1. Равномерное распределение
- •6.2.2. Показательное распределение
- •6.2.3. Нормальное распределение
- •7. Закон больших чисел
- •7.1. Неравенства Чебышева
- •7.2. Теорема Чебышева
- •8. Многомерные случайные величины
- •8.1. Многомерные случайные величины и их функции распределения
- •X и y независимые случайные величины.
- •8.2. Вероятность попадания двумерной случайной величины
- •8.3. Числовые характеристики двумерной случайной величины
- •Математическая статистика
- •1. Статистические законы распределения выборки
- •1.1. Вариационный ряд
- •1.2. Полигон и гистограмма
- •1.3. Эмпирическая функция распределения
- •2. Статистические оценки параметров распределения
- •2.1. Точечные оценки
- •2.2. Интервальные оценки
- •2.3. Оценка вероятности появления события через его частоту
- •3. Проверка статистических гипотез.
- •3.1. Статистические гипотезы
- •3.2. Критерии проверки гипотезы
- •3.3. Критерий согласия Пирсона
- •3.4. Критерий согласия Романовского
- •4. Элементы теории корреляции
- •4.1. Статистические зависимости
- •4.2. Линейная регрессия
- •4.3. Корреляционная таблица
- •4.4. Выборочный коэффициент корреляции
- •Литература
- •С о д е р ж а н и е
X и y независимые случайные величины.
8.2. Вероятность попадания двумерной случайной величины
в полуполосу и прямоугольник
Из определения функции распределения несложно найти вероятность попадания двумерной случайной величины в полуполосу и(рис.а) или в полуполосу и(рис.б).
Y Y
у
X
X
x
a б
Вычитая из вероятности попадания двумерной случайной величины в квадрант с вершинойвероятность попадания случайной величиныв квадрант с вершинойполучим (рис. а)
Аналогично для полуполосы (рис. б)
Поскольку прямоугольник можно представить как разность полуполос, то вероятность попадания двумерной СВв прямоугольник можно найти вычитанием из вероятностиY
попадания
двумерной СВв полуполосу
и вероятности
попадания
двумерной СВв полу-
полосу и.
X
Таким образом, имеем
Замечание 1. Если функция плотности непрерывна, то полу-ченная формула соответствует свойству2.
8.3. Числовые характеристики двумерной случайной величины
Числовые характеристики составляющих двумерной случайной вели-чины вводятся также как и для одномерной. Кроме рассмотренных числовых параметров вводятся и такие, которые характеризуют зависимость состав-ляющих X и Y.
Определение 8.4. Ковариацией двумерной случайной величины назы-вается
.
После простых преобразований можно получить
.
Очевидно, . По определению дисперсии для суммы слу-чайных величинX и Y имеем
.
Тогда для независимых случайных величин . Таким образом, если , то случайные величиныX и Y зависимы.
Для характеристики степени зависимости случайных величин X и Y используется безразмерный коэффициент корреляции
.
Отметим его основные свойства.
1. Если случайные величины X и Y независимы, то . Обратное, вообще говоря, неверно.
2. Если , гдеА и В const, то .
Действительно, обозначим , тогда
и
После этого получаем
3. .
Замечание 2. Из определения и свойств коэффициента корреляции следует, что он оценивает линейную связь между случайными величинами X и Y. При этом:
1. функциональная линейная связь.
2. статистическая зависимость.
3. линейная связь отсутствует.
Пример 8.2. Закон распределения двумерной случайной величины (X, Y) задан таблицей
Y X |
3 |
10 |
12 |
4 |
0,17 |
0,13 |
0,25 |
5 |
0,1 |
0,3 |
0,05 |
Найти законы распределения составляющих компонент и их числовые характеристики.
Проводя суммирование по соответствующим строкам и столбцам, получаем
-
Y
4
5
Х
3
10
12
p
0,55
0,45
p
0,27
0,43
0,3
Вычислим числовые характеристики:
Найденный коэффициент корреляции мал, следовательно, случайные величины X и Y слабо зависимы.