Свойства коэффициента корреляции

• Неравенство Коши — Буняковского:

если принять в качестве скалярного произведения двух случайных величин ковариацию , то норма случайной величины будет равна , и следствием неравенства Коши — Буняковского будет:

.

• Коэффициент корреляции равен тогда и только тогда, когда X и Y линейно зависимы (исключая события нулевой вероятности, когда несколько точек «выбиваются» из прямой, отражающей линейную зависимость случайных величин):

,

где . Более того в этом случае знаки и k совпадают:

.

• Если X,Y независимые случайные величины, то . Обратное в общем случае неверно.?

9.

10. Непрерывная случайная величина – величина, возможные значения которой непрерывно заполняют некоторый промежуток(или промежутки). Например, вес наугад взятого зерна пшеницы или скорость самолета в момент выхода на заданную высоту является непрерывной случайной величиной.

Функция распределения и плотность распределения непрерывной случайной величины, их взаимосвязь и свойства.

Определение и свойства функции распределения сохраняются и для непрерывной случайной величины, для которой функцию распределения можно считать одним из видов задания закона распределения. Но для непрерывной случайной величины вероятность каждого отдельного ее значения равна 0. Это следует из свойства 4 функции распределения:  р(Х = а) = F(a) – F(a) = 0. Поэтому для такой случайной величины имеет смысл говорить только о вероятности ее попадания в некоторый интервал.

Вторым способом задания закона распределения непрерывной случайной величины является так называемая плотность распределения (плотность вероятности, дифферен-циальная функция).

Определение Функция f(x), называемая плотностью распределения непрерывной случайной величины, определяется по формуле:

                                                         f (x) = F′(x),                                                           (5.1)

то есть является производной функции распределения.

                     Свойства плотности распределения.

1)      f(x) ≥ 0, так как функция распределения является неубывающей.

2)      , что следует из определения плотности распределения.

3)      Вероятность попадания случайной величины в интервал (а, b) определяется формулой                                                                            Действительно,

4)       (условие нормировки). Его справедливость следует из того, что  а

5)       так как  при

Таким образом, график плотности распределения представляет собой кривую, располо-женную выше оси Ох, причем эта ось является ее горизонтальной асимптотой при  (последнее справедливо только для случайных величин, множеством возможных значений которых является все множество действительных чисел). Площадь криволинейной трапеции, ограниченной графиком этой функции, равна единице.

Замечание. Если все возможные значения непрерывной случайной величины сосредоточе-ны на интервале [a, b], то все интегралы вычисляются в этих пределах, а вне интервала   [a, b]  f(x) ≡ 0.

Математическим ожиданием  непрерывной случайной величины Х, возможные значения которой принадлежат отрезку [a,b], называется определенный интеграл

Если возможные значения случайной величины рассматриваются на всей числовой оси, то математическое ожидание находится по формуле:

При этом, конечно, предполагается, что несобственный интеграл сходится.

Определение. Дисперсией непрерывной случайной величины называется математическое ожидание квадрата ее отклонения.

По аналогии с дисперсией дискретной случайной величины, для практического вычисления дисперсии используется формула: