- •§11. Элементы математической статистики. Основные понятия
- •§12. Примеры некоторых распределений
- •§13. Понятие о критериях согласия
- •§14. Многомерная случайная величина. Функция и плотность распределения
- •§15. Независимость случайных величин. Условные законы распределения
- •§16. Числовые характеристики многомерной случайной величины
- •§17. Геометрическая интерпретация корреляции
- •§18. Понятие регрессии
- •§19. Оценка регрессии по выборке
- •§20. Числовые характеристики функции случайной величины
- •§21. Закон распределения функции случайного аргумента
- •§22. Закон больших чисел
- •§23. Точечные оценки параметров распределения
- •§24. Характеристическая функция
- •§25. Понятие о центральной предельной теореме
- •§26. Доверительный интервал
§16. Числовые характеристики многомерной случайной величины
Основными числовыми характеристиками двумерной случайной величины (ξ,) являются начальные и центральные моменты.
Определение 1. Начальным моментом αks порядка (k+s) случайной величины (ξ,) называют число, определяемое формулой
. (1)
Здесь f(x,y) - плотность распределения случайного вектора (ξ,).
Очевидно, α00=1. Наиболее употребительными являются начальные моменты α10 и α01.
= =
=
Аналогично найдем, что α01=mη. Точку (mξ,mη) называют центром распределения величины (ξ,).
Определение 2. Центральным моментом ks порядка (k+s) случайной величины (ξ,) называют число, определяемое формулой:
. (2)
Поскольку μ01= μ10=0, то наиболее употребительными являются центральные моменты второго порядка μ20, μ02, μ11.
==.
Аналогично найдем, что μ02=Dη; Dξ и Dη – дисперсии компонент ξ и . Они характеризуют рассеяние случайного вектора (ξ,) в направлениях осей координат x и y.
Особую роль играет второй смешанный момент μ11:
. (3)
Его называют корреляционным моментом. Формулу (3)можно преобразовать к виду:
Кξη=α11 – mξmη. (3)
Если случайная величина (ξ,) дискретная с конечным числом возможных значений, то формулы (1), (2), (3) удобнее писать в виде:
, (1)
, (2)
(3)
Теорема. Если ξ и η независимые, то корреляционный момент равен нулю, kξη=μ11=0.
Доказательство. Если ξ и η независимые, то f(x,y)=f1(x)f2(y). Тогда
= 0.
Теорема доказана.
Определение 3. Если корреляционный момент Кξη равен нулю, то ξ и η называются некоррелированными. Если Кξη0 - то они называются коррелированными.
Следствие. Коррелированные величины являются зависимыми.
Доказательство. От противного. Пусть они независимые. Тогда согласно теореме Кξη=0, что противоречит условию. Следствие доказано.
Замечание. Обратное утверждение неверно, т.е. зависимые случайные величины могут быть некоррелированными, а некоррелированные - зависимыми.
Из теоремы и следствия ясно, что корреляционный момент Кξη характеризует не только рассеяние случайного вектора (ξ,), но и в какой-то степени зависимость между величинами ξ и . Для оценки степени этой зависимости вводят понятие коэффициента корреляции:
. (4)
Можно доказать, что . При этом, если rξη=0, то величина ξ и η некоррелированные, если , то они связаны линейной функциональной зависимостью. Таким образом, чем ближе модуль коэффициента корреляции к единице, тем теснее линейная связь между компонентами ξ и η.
Аналогично определяются числовые характеристики n-мерного случайного вектора ξ=(ξ1, ξ2,…,ξn). В частности:
(5)
(6)
(7)
Из (7) видно, что Kij=Kji, Kii=Di.
Корреляционные моменты Kij образуют корреляционную матрицу. Матрица симметричная, по главной ее диагонали стоят дисперсии компонент вектора.
Пример. Найти корреляционный момент Kξη случайного вектора пр.1 §14.
Решение. В пр.1 §14 найдены ряды распределения компонент ξ и η. Воспользуемся ими и найдем mξ и mη:
Согласно (3//):
Итак, Kξη=-0.555, следовательно, компоненты ξ и η зависимые.