ИДЗ на теорию вероятности для ФКТИ / ИДЗ2
.docДано:
-
Вычисление вектора мат. ожиданий и ковариационных характеристик
случайного вектора:
-
1 способ
Для вычисления мат. ожиданий преобразуем выражение, стоящее под экспонентой, методом Лагранжа:
Значит вектор мат. ожиданий имеет вид: .
Для нахождения дисперсий и коэффициента корреляции сопоставим исходную плотность распределения с общей формулой.
Откуда получим следующую систему:
-
2 способ
Найдем сначала неизвестную константу исходя из следующих соображений:
, т.е. и
Найдем теперь вектор мат. ожиданий.
Имеем
Следовательно плотности распределения имеют вид:
Откуда получен вектор мат. ожиданий .
Ковариационную матрицу мы можем найти также 2-мя способами:
-
1 способ
Ковариационная матрица – это матрица, обратная матрице квадратичной формы.
Матрица квадратичной формы: ;
Матрица ковариации: .
-
2 способ
Найдем 1 и 4 элемент матрицы ковариационной матрицы как дисперсии:
А 2 и 3 элементы равны и находятся по формуле .
Найдем .
Тогда второй и третий элементы будут равны: .
Имеем матрицу ковариации: , что совпало с вычисленной первым способом матрицей.
-
Найти ортогональное преобразование, переводящее соответствующий центрированный случайный вектор в вектор с независимыми компонентами.
Преобразование описывается следующим образом: , где A – ортогональная матрица, а B - вектор. Матрица A - матрица перехода от стандартного базиса к базису собственных векторов нашей матрицы квадратичной формы.
т.к. ковариационная матрица уже диагональная. Эта матрица ортогональна, следовательно, ортогонально и преобразование. Для центрирования данного случайного вектора надо отнять столбец математических ожиданий данных компонент, т.е. .
Тогда квадратичная форма станет:
Якобиан такой замены будет равен 1.
Следовательно, после такой замены, плотность случайного вектора принимает вид:
Данный вектор центрирован (математическое ожидание обоих компонент равно 0), имеет независимые друг от друга компоненты и получен ортогональным преобразованием.
Из такого вектора легко получить стандартный нормальный вектор. Достаточно сделать ещё одну замену.
На диагонали всегда будут находиться члены вида . Якобиан такой замены будет:
И умножив плотность распределения т. е. компонент предыдущей замены получим - плотность распределения стандартного и центрированного вектора.
-
Вычислить характеристики совместного распределения с.в. и записать его плотность.
За счет линейности мат. ожидания получим:
За счет независимости компонент можно рассчитать дисперсии следующим образом:
Теперь вычислим ковариации новых компонент вектора.
в силу независимости компонент.
Отсюда, матрица ковариации: .
Записываем плотность нового случайного вектора
, где .
Подставив все значения, получим:
.
Для проверки распределения составим матрицу квадратичной формы, ,
и найдем обратную к ней: - получили матрицу ковариации, что подтверждает верность наших расчетов.