Теория вероятностей в примерах и задачах / Kolemaev
.pdfОбычно | AX |< 2 . Для симметричных распределений AX = 0 , если левая ветвь кривой рас- пределения длиннее правой, то AX < 0 , если же левая ветвь кривой распределения короче пра-
вой, то AX > 0 .
Эксцесс EX случайной величины X характеризует островершинность кривой распределения
этой случайной величины по сравнению с кривой нормального распределения и вычисляется по формуле
E |
X |
= |
µ4(X) |
|
− 3 . |
(3.50) |
|
σ4 |
|||||||
|
|
|
|
||||
|
|
|
X |
|
|
Обычно −1 EX 6 . Для нормального распределения EN(a;σ) = 0 ; если кривая распределения случайной величины X
имеет менее острую вершину, чем кривая нормального распреде- ления, то EX < 0 ; если кривая распределения случайной величи-
ны X имеет более острую вершину, чем кривая нормального рас- пределения, то EX > 0 .
Левосторонней критической границей (или квантилью) уровня α |
Рис. 3.3. Критические границы |
случайной величины X называется такое число Kα , что |
|
FX (Kα) = α, |
(3.51) |
т. е. P{X < Kα} = α. |
|
Правосторонней критической границей уровня α случайной величины X называется такое число
Bα , что |
|
FX (Bα) = 1 −α , |
(3.52) |
т. е. P{X Bα} = α .
Левосторонняя и правосторонняя критические границы одного и того же уровня α связаны между
собой соотношением |
|
|
|
|
Kα = B1−α . |
|
|
(3.53) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||
Двусторонними критическими границами уровня α случайной величины X называются такие |
|||||||||||||||
числа Bα, |
|
α , что |
|
|
|
|
|
|
|
|
|
|
|
||
B |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
F |
(B |
|
) = α |
; F ( |
|
α) = 1 − |
α |
, |
(3.54) |
|
|
|
|
|
α |
B |
|||||||||
|
|
|
|
|
α |
X |
|
2 |
X |
2 |
|
|
|||
т. е. P{X < Bα} = P{X |
|
α} = |
. |
|
|
|
|
|
|
|
|
|
|||
B |
|
|
|
|
|
|
|
|
|
||||||
2 |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Между односторонними и двусторонними критическими границами случайной величины X суще-
ствуют следующие соотношения
Bα = Kα/2 = B1−α/ 2; |
B |
α = K1−α/2 = Bα/2 . |
(3.55) |
||||
Для стандартного нормального распределения |
N(0; 1) двусторонние критические границы |
||||||
уровня α симметричны и имеют специальные обозначения Bα = −uα, |
|
α = uα , при этом |
|
||||
B |
|
||||||
Φ0(uα) = |
1 −α |
. |
|
|
(3.56) |
||
|
2 |
|
|
На рис. 3.3 указаны левосторонняя, правосторонняя и двусторонние критические границы для некоторого распределения.
249. Доказать формулы (3.35) – (3.39).
250. Случайная величина X имеет производящую функцию mX (t) = 0,2 +
+0,3et + 0,1e2t + 0, 4e4t . Составить ряд распределения этой случайной величины, найти её математическое ожидание и дисперсию, а также производящую функ- цию случайной величиныY = X 2 .
51
251. Найти производящую функцию случайной величины, заданной рядом распределения
X −1 0 1 p 0,2 0,3 0,5 .
252.Доказать формулу (3.41).
253.Доказать свойства производящей функции (3.42) – (3.43).
254.Найти производящую функцию случайной величины, распределённой по нормальному закону.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
tX |
|
|
|
1 +∞ |
tx |
− |
1 |
(x−σa )2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
РЕШЕНИЕ. |
mX (t) = Me |
|
= |
|
2πσ ∫ e |
|
e |
|
|
|
|
|
dx = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||
|
|
|
+∞ |
|
|
1 |
|
(x |
2 |
|
|
|
|
2 |
|
|
2 |
2 |
|
|
2 |
|
|
4 2 |
|
4 2 |
) |
|
+∞ |
1 |
|
|
2 |
|
|
|
2 2 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x−a−σ |
t |
|
|
|
σ t |
|
|
|||||||||||||||||||||||||||||
|
|
1 |
|
|
|
|
− |
|
|
|
|
−2x(a+σ |
t)+a |
|
+2aσ |
t−2aσ t+σ |
t |
−σ |
t |
|
1 |
|
|
|
− |
|
|
|
|
|
|
|
|
at+ |
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
= |
|
|
∫ e |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx = |
|
|
∫ e |
|
|
|
|
|
|
|
|
|
|
dx = |
|||||||||
|
|
|
2σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
σ |
|
|
e |
|
|
|
2 |
||||||||||||||
|
2πσ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2πσ |
|
|
|
|
|
|||||||||||||||||||||
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
2 2 |
|
|
|
+∞ 1 |
|
|
2 |
|
|
|
|
2 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 2 |
|
|
|
|
|
|
|
|
|
2 2 |
|
|||||||||||||
|
|
|
σ t |
|
|
x−a−σ t |
|
|
|
|
|
σ |
t |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
σ t |
( |
|
|
|
|
) |
|
|
|
σ t |
|||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|||||||
|
|
at+ |
|
|
|
|
|
|
∫ |
|
− |
|
|
|
|
|
|
|
at+ |
|
|
|
|
|
|
|
|
+∞−a−σ |
t |
at+ |
|
|
|
|
|
|
at+ |
|
|
|||||||||||||||
=e |
|
2 |
|
|
|
|
|
e 2 |
σ |
|
dx =e |
|
|
2 |
|
|
|
+ Φ |
0 |
|
|
|
|
|
= e |
|
|
2 |
|
+ |
|
=e |
|
2 . |
||||||||||||||||||||
|
|
2πσ−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
255. |
Найти четвёртый начальный момент случайной величины X N(0; 1). |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ2t2 |
|
|
t2 |
|
|
|
|
t2 |
′ |
t2 |
||||||||
|
РЕШЕНИЕ. Производящая функция |
mX (t) =eat+ |
|
|
= e |
|
|
|
, её |
производные (e 2 |
) |
= te |
|
, |
|||||||||||||||||||||||||
|
|
2 |
2 |
|
2 |
||||||||||||||||||||||||||||||||||
t |
2 ′′ |
t |
2 |
t |
2 |
|
t |
2 (3) |
|
t |
2 |
t |
2 |
|
|
t |
2 (4) |
|
t |
2 |
|
|
|
|
|
|
t |
2 |
t |
2 |
|
|
|
|
|
||||
(e 2 ) = e 2 |
+ t2e |
|
, |
(e 2 ) = 3te 2 + t3e |
|
, (e 2 ) = 3e 2 + 6t2e 2 |
+ t4e |
|
, поэтому четвёртый |
||||||||||||||||||||||||||||||
2 |
2 |
2 |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
t |
2 |
(4) |
|
|
|
t |
2 |
|
t |
2 |
|
t |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
начальный момент ν4(X) = (e 2 |
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
t=0 = 3e 2 |
+ 6t2e 2 |
+ t |
4e 2 |
|
t=0 |
= 3 . |
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
256.Найти производящую функцию и с её помощью вычислить математиче- ское ожидание для случайной величины X G(p).
257.Найти производящую функцию для случайной величины X R(a; b).
258.Найти производящую функцию, второй начальный и третий центральный моменты для случайной величины X Exp(µ).
259.Доказать, что величина M(X −c)2 достигает своего наименьшего значения
при c = MX .
260.Найти моду и медиану случайной величины X R(a; b).
261.Найти моду и медиану случайной величины X Exp(µ).
262. |
Пусть X — некоторая случайная величина, Y = aX + b (a и b — неслу- |
||||||||||||||
|
|
|
|
|
A |
|
, |
a > 0, |
|
|
|
|
|
||
|
|
|
|
|
X |
|
|
|
|
|
|||||
чайные постоянные, a ≠ 0 ). Доказать, что A |
= |
|
|
|
|
|
, |
E |
= E |
|
. |
||||
|
|
|
, |
a < 0, |
X |
||||||||||
|
|
Y |
|
−A |
X |
|
Y |
|
|
||||||
|
|
|
|
|
|
|
|
X−MX |
|
|
|
||||
263. |
Пусть |
X — некоторая случайная величина, |
X = |
. Доказать, что |
|||||||||||
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
A = AX , E |
= EX . |
|
|
|
|
|
|
|
X |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
||||
X |
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
264. |
Найти |
коэффициент асимметрии |
и |
|
эксцесс случайной величины |
X N(a; σ).
52
265. |
Найти |
коэффициент |
асимметрии |
и |
эксцесс |
случайной |
величины |
|
X Π(λ). |
|
|
|
|
|
|
|
|
266. |
Найти |
коэффициент |
асимметрии |
и |
эксцесс |
случайной |
величины |
|
X R(a; b). |
|
|
|
|
|
|
|
|
267. |
Найти |
коэффициент |
асимметрии и |
эксцесс случайной величины X , |
||||
|
|
|
|
|
µ |
−µ|x| |
|
|
имеющей распределение Лапласа с плотностью f (x) = 2 e |
|
, x . |
|
|||||
268. |
Найти для случайной величины X N(0; 1): а) 2,5%-ную и 97,5%-ную |
квантили ; б) 5%-ную правостороннюю критическую точку.
269.Найти 5%-ную и 95%-ную квантили распределений: а) T10 ; б) χ202 .
270.Найти 5%-ную и 95%-ную квантили распределения F2;3 .
§3.5. МНОГОМЕРНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
Многомерная случайная величина X = (X1,X2,…,Xn ) — это совокупность случайных величин Xi (i = 1, 2,…,n) , заданных на одном и том же вероятностном пространстве Ω.
Закон распределения вероятностей многомерной случайной величины задаётся её функцией распределения
FX (x1,x2,…,xn ) = FX1,X2,…,Xn (x1,x2,…,xn ) = P{(X1 < x1) ∩(X2 < x2 ) ∩ ∩(Xn < xn )} ,
которая является числовой функцией многих переменных и (как вероятность) принимает значе- ния на отрезке [0; 1].
Функция распределения многомерной случайной величины обладает следующими свойства- ми.
для всех x1,x2,…,xn : 0 FX1,X2,…,Xn (x1,x2,…,xn ) 1 ; |
(3.57) |
|
FX1,X2,…,Xn (x1,x2,…,xn ) не убывает по каждому аргументу; |
(3.58) |
|
FX1,X2,…,Xn (x1,x2,…,xn ) непрерывна слева по каждому аргументу; |
(3.59) |
|
FX1,X2,…,Xn (x1,x2,…,xn−1,−∞) = 0 ; |
(3.60) |
|
FX1,X2,…,Xn (x1,x2,…,xn−1,+∞) = FX1,X2,…,Xn−1 |
(x1,x2,…,xn−1) . |
(3.61) |
В отличие от одномерного случая, выполнение свойств (3.57) – (3.61) для некоторой функции F : n → не гарантирует, что эта функция является функцией распределения некоторой мно- гомерной случайной величины.
Многомерные случайные величины, так же, как и одномерные, могут быть дискретными (когда наборы возможных значений образуют конечное или счётное множество) или непрерывными (ко- гда множество наборов возможных значений несчётно).
Всюду ниже в данном параграфе будут рассматриваться двумерные случайные величины. Вероятность попадания двумерной случайной величины в полуоткрытый прямоугольник
равна
P{(a1 X1< b1) ∩(a2 X1< b2 )}= |
(3.62) |
= FX1,X2 (b1,b2 )−FX1,X2 (a1,b2 )−FX1,X2 (b1,a2 ) + FX1,X2 (a1,a2 ) . |
|
Если дополнительно к условиям (3.57) – (3.61) потребовать от функции F : 2 → |
неотрица- |
тельности величины |
|
FX1,X2 (b1,b2 )−FX1,X2 (a1,b2 )−FX1,X2 (b1,a2 ) + FX1,X2 (a1,a2 ) |
|
53
для любых a1,a2, b1,b2 таких, что b1 a1, b2 a2 , то тогда эта функция обязательно будет
являться функцией распределения некоторой двумерной случайной величины.
Двумерные дискретные случайные величины удобно задавать с помощью таблиц распределения
X |
x1 |
x2 |
xn |
|
|
Y |
|
|
|||
y1 |
p11 |
p12 |
p1n |
. |
(3.63) |
y2 |
p21 |
p22 |
p2n |
||
ym |
pm1 |
pm2 |
pmn |
|
|
В такой таблице заголовки столбцов xj соответствуют всем возможным значениям первой компоненты X , а названия строк yi — всем возможным значениям второй компоненты Y . При этом в клетку, находящуюся в i -й строке и в j -м столбце, записывается значение вероятности
pij = P{(X = xj ) ∩(Y = yi )}. Естественно, |
|
∑∑pij = 1 . |
(3.64) |
i j |
|
Функция распределения двумерной дискретной случайной величины равна |
|
FXY (x,y) = ∑ ∑ pij . |
(3.65) |
xj <x yi <y |
|
Законы распределения каждой из компонент такой двумерной случайной величины (так на- зываемые маргинальные законы распределения) восстанавливаются по таблице распределения (3.63) при помощи формул
P{X = xj } = ∑pij, P{Y = yi } = ∑pij . |
(3.66) |
|
i |
j |
|
Двумерная случайная величина называется абсолютно непрерывной, если её функция распреде- ления может быть представлена в виде
|
x |
|
y |
|
|
|
|
|
|
|
|
|
|
F (x,y) = |
∫ |
|
∫ |
f |
|
(3.67) |
(x,y)dy dx , |
||||||
XY |
|
XY |
|
|
||
|
|
|
|
|
|
|
|
−∞ −∞ |
|
|
|
при этом функция fXY (x,y) называется плотностью распределения двумерной случайной величины
(X;Y ).
Плотность распределения абсолютно непрерывной двумерной случайной величины обладает
следующими свойствами: |
|
|
|
|
для всех x,y |
: fXY (x,y) |
0 ; |
(3.68) |
|
+∞ +∞ |
|
|
|
|
|
|
|
|
|
|
f |
|
, |
(3.69) |
(x,y)dy dx = 1 |
||||
∫ ∫ |
XY |
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ −∞ |
|
|
|
|
причём любая функция, обладающая этими свойствами (3.68) – (3.69), является плотностью рас- пределения некоторой абсолютно непрерывной двумерной случайной величины.
Если функция распределения абсолютно непрерывной двумерной случайной величины (X;Y )
имеет смешанную частную производную |
∂2 |
|
F |
(x,y), то плотность распределения |
f (x,y) |
||
|
|
||||||
|
∂x∂y XY |
|
XY |
||||
равна этой частной производной: |
|
|
∂2 |
|
|
|
|
f (x,y) = |
|
F (x,y). |
(3.70) |
||||
∂x∂y |
|||||||
XY |
|
XY |
|
54
Если абсолютно непрерывная двумерная случайная величина (X;Y ) имеет плотность
fXY (x,y), то одномерные случайные величины X и Y |
также являются абсолютно непрерывны- |
|
ми, и их плотности можно рассчитать по формулам |
y |
|
x |
|
|
fX (x) = ∫ fXY (x,y)dy, fY (y) = ∫ fXY (x,y)dx . |
(3.71) |
|
−∞ |
−∞ |
|
Свойство (3.71) справедливо только для двумерных абсолютно непрерывных случайных вели- чин. В случае n > 2 это свойство выглядит существенно иначе.
Напомним1, что две случайные величины X и Y называются независимыми, если для всех x,y
P{(X < x) ∩(Y < y)} = P{X < x}P{Y < y} , |
(3.72) |
т. е. если для всех x,y события {X < x} и {Y < y} независимы.
Для дискретных случайных величин X и Y условие независимости (3.8) эквивалентно усло-
вию |
|
P{(X = x) ∩(Y = y)} = P{X = x}P{Y = y} , |
(3.73) |
а для абсолютно непрерывных случайных величин — условию |
|
fXY (x,y) = fX (x)fY (y). |
(3.74) |
Для измерения зависимости случайных величин вводится ковариация случайных величин X и Y |
|
cov(X,Y ) = M[(X −MX)(Y −MY )]. |
(3.75) |
Последняя формула легко преобразуется к виду |
|
cov(X,Y ) = M(XY )−MX MY . |
(3.76) |
Ковариация случайных величин обладает следующими свойствами: |
|
cov(X,Y ) = cov(Y,X), cov(X,X) = DX , |
(3.77) |
cov(αX,Y ) = αcov(X,Y ), cov(X +Y,Z) = cov(X,Z)+ cov(Y,Z), |
(3.78) |
для независимых случайных величин X и Y cov(X,Y ) = 0 . |
(3.79) |
Для случайных величин X и Y , имеющих тенденцию изменяться одновременно в одну и ту же сторону, cov(X,Y ) > 0 , для случайных величин X и Y , имеющих тенденцию изменяться од- новременно в разные стороны, cov(X,Y ) < 0 .
Дисперсия суммы произвольных (зависимых или независимых) случайных величин рассчиты-
вается по формуле |
|
D(X +Y ) = DX + DY + 2 cov(X,Y ) . |
(3.80) |
Ковариация может принимать произвольные вещественные значения, поэтому не вполне при- годна к использованию в качестве меры связи случайных величин. Для этого лучше подходит ко-
эффициент корреляции случайных величин X и Y |
|
|
|
|
|||||
ρ(X,Y ) = |
cov(X,Y ) |
= |
M[(X −MX)(Y −MY )] |
= |
M(XY )−MX MY |
. |
(3.81) |
||
σ σ |
|
|
|||||||
|
|
σ σ |
σ |
σ |
|
||||
|
X Y |
|
X Y |
X Y |
|
||||
Коэффициент корреляции обладает следующими свойствами: |
|
|
|
|
|||||
для любых случайных величин X и Y : −1 ρ(X,Y ) |
1 ; |
|
(3.82) |
||||||
для независимых случайных величин X и Y : ρ(X,Y ) = 0 ; |
(3.83) |
||||||||
для линейно связанных случайных величин X и Y = aX + b (a,b |
, a ≠ 0 ) и только для них: |
||||||||
|
|
|
|ρ(X,Y )|= 1 . |
|
|
|
(3.84) |
Если коэффициент корреляции ρ(X,Y ) = 0 , то это не обязательно означает независимость случайных величин X,Y . В этом случае говорят, что данные случайные величины некоррелирован- ны. Из независимости следует некоррелированность, но наоборот — не всегда.
1 См. формулу (3.8) в §3.1.
55
Случайная величина, которая задаётся плотностью распределения
|
|
|
|
|
1 |
|
|
|
|
−a |
|
2 |
|
x |
|
−a |
|
|
x |
|
−a |
|
x |
|
−a |
|
2 |
|
|
|
||||||
|
|
|
|
|
|
|
x |
1 |
1 |
|
|
1 |
1 |
|
2 |
2 |
2 |
2 |
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
−2ρ |
|
|
|
|
|
|
|
|
|
|
|
+ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
1 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
σ |
|
|
|
|
σ |
|
|
|
|
σ |
|
|
σ |
|
|
|
|
|
|||||||||||
|
|
|
|
|
2(1−ρ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
f(x1,x2 ) = |
|
|
e |
|
|
) |
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
2 |
|
|
|
|
2 |
|
|
|
, |
(3.85) |
||||
2π 1 −ρ2 σ σ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
называется распределённой по двумерному нормальному закону.
При этом её компоненты X1 и X2 распределены по одномерным нормальным законам с ма- тематическими ожиданиями a1 и a2 соответственно и средними квадратичными отклонениями σ1 и σ2 соответственно, а параметр ρ равен коэффициенту корреляции между случайными ве- личинами X1 и X2 .
271.Доказать свойства функции распределения многомерной случайной вели-
чины (3.57) – (3.61).
272.Доказать формулу (3.62).
273.Доказать, что функция
sinx siny, |
x |
0, x |
|
0 илиx |
|
+x |
|
1, |
|
|
|
|
|
||
|
1 |
|
2 |
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
F(x,y) = |
иначе, т. е. когдаодновременноx |
|
>0, x |
|
>0 иx |
|
+x |
|
>1 |
||||||
0, |
1 |
2 |
1 |
1 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
удовлетворяет всем свойствам (3.57) – (3.61), но при этом не является функцией распределения случайной величины.
РЕШЕНИЕ. Предположим, что F(x1,x2 ) описывает некоторую случайную величину (X1,X2 ).
Вероятность P{(0,1 X1< 1,1) ∩(0,1 X1< 1,1)}= F(1,1; 1,1)−F(0,1; 1,1)−F(1,1; 0,1) + F(0,1; 0,1)= = 1 −1 −1 + 0 = −1 , что противоречит аксиоме неотрицательности вероятности (1.36). Между тем справедливость свойств (3.57) – (3.61) легко проверить (предоставляем это читателю.
274. Двумерная случайная величина (X;Y ) задана функцией распределения
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
x< |
π |
, 0 y< |
π |
, |
|
|
|
|
|
|
|
|
|
sinx siny, |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
F(x,y) = |
|
|
0, |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
иначе. |
|
|
||||
|
{ |
|
4 |
|
|
|
6 |
|
3 |
} |
|
|
|
|
|
|
|
||
|
|
) |
|
( |
|
|
|
|
|
|
|
|
|||||||
Найти P |
( |
0 |
X < |
π |
∩ |
π |
Y < |
π |
) |
|
. |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
275.Доказать формулу (3.66).
276.Задано распределение вероятностей дискретной двумерной случайной величины (X;Y ):
X
Y |
−1 |
0 |
1 |
|
|
|
|
0 |
0 |
0,1 |
0, 4 . |
1 |
0,2 |
0,2 |
0,1 |
Составить ряды распределения её компонент X и Y . Определить вероятность
P{X <Y }.
РЕШЕНИЕ. Вначале составим ряды распределения случайных величин X и Y . Случайная вели- чина X принимает значения –1; 0 и 1 с вероятностями 0,2 = 0 + 0,2; 0,3 = 0,1 + 0,2 и 0,5 = 0,4 + 0,1 соответственно. Таким образом, эта случайная величина имеет ряд распределения
|
X |
−1 |
0 |
1 |
. |
p |
0,2 |
0,3 |
|
||
|
0,5 |
56
Аналогично получаем ряд распределения случайной величины Y :
Y |
0 |
1 |
. |
|
|
|
0,5 |
|
|
|
p |
0,5 |
Вероятность P{X<Y }= P{(X =− 1)∩(Y =0)}+ P{(X=− 1)∩(Y =1)}+ P{(X=0)∩(Y = 1)}= 0+0, 2+0, 2 = 0, 4 .
277. Двумерная случайная величина (X;Y ) задана функцией распределения
1−2−x −2−y −2−x−y |
x 0,y 0, |
||
|
|
|
|
F(x,y) = |
0, |
иначе. |
|
|
|||
|
|
Найти плотность распределения этой случайной величины.
278. Двумерная случайная величина (X;Y ) задана плотностью распределения
|
sin(x +y) |
|
|
|
π |
|
π |
|
|
|
, |
0 |
x< |
, 0 y< |
, |
||||
|
|
|
|||||||
|
2 |
|
|
|
2 |
|
2 |
|
|
f (x,y) = |
|
|
|
|
|
||||
|
0, |
|
|
иначе. |
|
|
|||
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
Найти функцию распределения этой случайной величины.
279.Доказать, что плотность распределения любой абсолютно непрерывной двумерной случайной величины обладает свойствами (3.68) – (3.69).
280.Доказать, что любая функция, обладающая свойствами (3.68) – (3.69), явля- ется плотностью распределения некоторой абсолютно непрерывной двумерной случайной величины.
281.Доказать формулу (3.70).
282.Доказать, что для любых абсолютно непрерывных двумерных случайных величин справедливо свойство (3.71).
|
ДОКАЗАТЕЛЬСТВО. |
По |
свойству |
|
|
(3.61) |
F |
(x)= F |
(x,+∞)= lim F (x,y)= |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
X |
XY |
y→+∞ XY |
|
|
x |
|
y |
|
|
|
x |
+∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
lim |
∫ |
|
∫ |
f |
|
lim |
∫ |
|
∫ |
|
|
, что и требовалось доказать. Вто- |
|
(u,v)dv du = |
f (u,v)dv du |
|||||||||||||
|
|
|
XY |
|
|
|
XY |
|
|
|
||||
|
y→+∞ |
|
|
|
|
|
y→+∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
−∞ −∞ |
|
|
|
−∞ −∞ |
|
|
|
|
fX (x)
рая часть доказывается аналогично.
283.Доказать условие независимости дискретных случайных величин (3.73).
284.Доказать условие независимости абсолютно непрерывных случайных ве-
личин (3.74).
285.Задано распределение вероятностей дискретной двумерной случайной величины (X;Y ):
X |
−1 |
0 |
1 |
|
Y |
||||
|
|
|
||
1 |
0,15 0,3 0,3 . |
|||
2 |
0,1 |
0,05 |
0,1 |
Здесь случайная величина X описывает доход инвестиционной компании на рынке акций, а случайная величина Y — доход на рынке облигаций. Составить ряды распределения её компонент X и Y , а также условный закон распределения компоненты X при условии Y = 2 . Выяснить, зависимы ли компоненты X и Y . Найти закон распределения суммарного дохода компании X +Y .
57
286. Двумерная случайная величина (X;Y ) задана плотностью распределения
f (x,y) = c e−x 2 −2xy−4y2 . Найти неслучайную постоянную c , плотности распреде-
ления случайных величин X и Y , выяснить, зависимы ли маргинальные случай- ные величины X иY .
287. Доказать формулу (3.76).
ДОКАЗАТЕЛЬСТВО. По свойствам математического ожидания cov(X,Y )=M[(X−MX)(Y −MY )] = = M(XY −Y MX−X MY +MX MY )=M(XY )−MY MX −MX MY +MX MY = M(XY )−MX MY .
288. Доказать свойства ковариации (3.77) – (3.80).
ДОКАЗАТЕЛЬСТВО. cov(X,Y ) = M(XY )−MX MY = M(YX)−MY MX = cov(Y,X); cov(X,X) =
= M(X 2 )−(MX)2 = DX ; для независимых случайных величин X и Y cov(X,Y ) = M(XY )−
−MX MY = MX MY −MX MY = 0 .
289. В условиях задачи 276 найти ковариацию случайных величин X иY .
РЕШЕНИЕ. Чтобы найти M(XY ), перемножим все возможные значения xj , yi и соответствую- щих вероятностей pij из таблицы распределения данной случайной величины и произведения
|
m |
n |
m |
n |
сложим: |
M(XY ) = ∑ |
∑ xjyiP{(X = xj ) ∩(Y = yi )} = ∑ |
∑ xjyipij = 0 (−1) 0 + 0 0 0,1 + |
|
|
i=1 j=1 |
i=1 j=1 |
||
+0 1 0, 4 + 1 (−1) 0, 2 + 1 0 0,2 + 1 1 0,1 = 0 + 0 + 0 −0,2 + 0 + 0,1 = −0,1 . MX и MY найдём |
||||
по рядам |
распределения случайных величин X |
и |
Y , полученным в задаче 276: |
MX =−1 0,2+0 0,3+1 0,5 = 0,3 , MY = 0 0,5 + 1 0,5 = 0,5 . Поэтому cov(X,Y )= M(XY )−MX MY =
=−0,1 −0,3 0, 5 = −0,25 .
290.Найти ковариацию и коэффициент корреляции случайных величин X и Y , если двумерная случайная величина (X;Y ) задана плотностью распределения
1 |
|
|
|
|
|
sinx siny, |
0 x<π, 0 y<π, |
|
4 |
||
f (x,y) = |
0, |
иначе. |
|
|
|
||
|
|
|
|
291. Доказать свойства коэффициента корреляции (3.82) – (3.84).
ДОКАЗАТЕЛЬСТВО. Докажем последнее из названных свойств (справедливость первых двух чи- татель легко проверит самостоятельно). По свойствам математического ожидания и дисперсии
|
ρ(X,Y ) = |
M[X(aX +b)]−MX M(aX +b) |
= |
a(MX 2 )+bMX−a(MX)2 −b MX |
= |
||||||||||||||
|
|
|
|
|
|
σX σaX +b |
|
|
|
|
DX M[(aX +b)2 ]−(aMX +b)2 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1, a<0, |
|
|
|
|
|
|
|
aDX +b(MX −MX ) |
|
|
|
|
|
a DX |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
= |
a>0, |
2 |
|
|
2 |
|
2 |
2 |
2 |
|
|
2 |
|a||DX| |
||||||||
|
M(X |
)+2abMX +b |
−2abMX−b |
|
1 |
||||||||||||||
|
|
DX a |
|
|
−a |
(MX) |
|
|
|
|
|
|
|
поэтому |ρ(X,Y )|= 1 .
292. В условиях задачи 276 найти коэффициент корреляции случайных вели- чин X иY .
РЕШЕНИЕ. Найдём M(X |
2 ) = (−1)2 0, 2 + 02 0, 3 + 12 0, 5 = 0,7 и M(Y 2 ) = 02 0, |
5 + 12 0, 5 = 0, 5 . |
От- |
сюда DX=M(X 2 )−(MX)2= |
0, 7−(0, 3)2= 0, 61 , DY = M(Y 2 ) −(MY )2 = 0, 5 −(0, 5)2 = 0, 25 ( MX = 0, 3 |
и |
|
MY = 0, 5 были получены в задаче 289). Поэтому σX = |
DX = 0,61 ≈ 0, 78 , |
σ = DY = 0,25 ≈ 0, 5 . Окончательно получаем ρ(X,Y ) = |
cov(X,Y ) |
= |
−0,25 |
≈ −0, 64 . |
|
|
|
||||
Y |
σX |
σY |
|
0,78 0,5 |
|
|
|
293. Пусть X,Y, Z — независимые случайные величины с конечными положи-
тельными дисперсиями. Проверить, могут ли случайные величины X + Z и Y + Z быть: а) зависимыми; б) независимыми.
58
294. Доказать, что если X = |
X−MX |
, Y = |
Y −MY |
(где X и Y — некоторые слу- |
|
σ |
σ |
||||
|
|
|
|||
|
X |
|
Y |
|
чайные величины), то ρ(X,Y ) = ρ(X,Y ).
295. Задано распределение вероятностей дискретной двумерной случайной ве- личины (X;Y ):
X
Y |
26 |
30 |
41 |
50 |
|
|
|
|
|
2,3 0,05 |
0,12 |
0,08 |
0,04 . |
|
2,7 0,09 |
0,30 |
0,11 |
0,21 |
Найти ковариацию и коэффициент корреляции её компонент X иY .
296. Петя вычислил ковариацию роста X спортсменов из институтской баскет- больной команды, измеренного в см, и скорости бега Y (тех же спортсменов), из-
меренной в мс . Маша для той же совокупности баскетболистов вычислила кова-
риацию роста X , измеренного в м, и скорости бега Y , измеренной в мс . Опреде- лить, в каком отношении находятся эти ковариации.
297.В условиях предыдущей задачи сравнить коэффициенты корреляции, по- лученные Петей и Машей.
298.Средние квадратичные отклонения случайных величин X и Y равны со- ответственно 5 и 4. Определить наибольшее возможное значение cov(X,Y ).
299.Случайные величины X и Y — число появлений событий простейшего потока в интервалах времени (0;t) и (0;t + τ) соответственно. Найти ρ(X,Y ).
РЕШЕНИЕ. Пусть случайная величина Z — число появлений событий простейшего потока в интервале (t;t + τ). Тогда X Π(λt), Y Π(λ(t+τ)) , Z Π(λτ) , MX = DX = λt , MY = DY = λ(t + τ) ,
MZ = DZ = λτ . Поэтому по формуле (3.17) M(X 2 ) = DX + (MX)2 = λt + (λt)2 . Учитывая, что в силу свойства отсутствия последействия простейшего потока случайные величины X,Y и Z незави-
симы, поэтому по формуле (3.15) |
M(XZ) = MX MZ = λ2tτ . Используя (3.81), (3.76) и (3.14), получа- |
|||||||||||
ем, что ρ(X,Y ) = |
M(XY )−MX MY |
|
= |
M[X(X +Z)]−MX MY |
= |
MX 2 +M(XZ)−MX MY |
= |
|
t |
. |
||
|
σ |
σ |
DX DY |
t+τ |
||||||||
|
σ |
σ |
|
|
|
|
||||||
|
X |
Y |
|
X |
Y |
|
|
|
|
|
|
300.Ожидаемая доходность первого актива равна 8% со средним квадратичным отклонением 7%, ожидаемая доходность второго актива равна 11% со средним квадратичным отклонением 10%. Коэффициент корреляции между этими акти- вами составляет 0,7. Найти ожидаемую доходность и среднее квадратичное откло- нение портфеля1, состоящего на 35% из первого актива и на 65% — из второго.
301.Доказать, что компоненты X1 и X2 двумерной нормальной случайной ве-
личины (3.85) распределены по одномерным нормальным законам с математиче- скими ожиданиями a1 и a2 соответственно и средними квадратичными отклоне-
ниями σ1 и σ2 соответственно, а параметр ρ равен коэффициенту корреляции между случайными величинами X1 и X2 .
1 Портфелем называется набор ценных бумаг, которым обладает инвестор.
59
302. Случайная величина (X1; X2)задана плотностью распределения f (x1,x2) = 1,281 πe−5,112 (x1−3)2 −0,6(x1−3)(x2 −5)+4(x2 −5)2 .
Найти коэффициент корреляции между случайными величинами X1 и X2 .
303.Привести пример зависимых, но некоррелированных случайных величин.
304.Доказать, что для нормально распределённых случайных величин условие независимости эквивалентно условию некоррелированности.
§3.6. УСЛОВНЫЕ РАСПРЕДЕЛЕНИЯ
Пусть с помощью таблицы распределения (3.63) задана двумерная дискретная случайная ве-
личина (X;Y ) . Условная вероятность события {Y = yi } при условии {X = xj } вычисляется, соглас-
но определению условной вероятности (2.1), в соответствии с формулой
P{Y = yi |
| X = xj |
} = |
P{(X = xj ) ∩(Y = yi )} |
= |
pij |
. |
(3.86) |
||
P{X = xj |
} |
|
∑pkj |
||||||
|
|
|
|
|
|
|
k
Таким образом, можно получить условное распределение дискретной случайной величины Y при ус-
ловии {X = xj }, оно будет задаваться рядом распределения
Y | X = xj |
|
y1 |
|
y2 |
|
ym |
|
. |
||
|
|
|
|
|||||||
|
|
|
|
p1j |
|
p2j |
|
pmj |
|
|
|
p |
|
|
|
|
(3.87) |
||||
|
|
|
∑ pkj |
|
∑ pkj |
|
∑ pkj |
|||
|
|
|
|
|
|
|
|
|||
|
|
|
|
k |
|
k |
|
k |
|
|
Математическое ожидание случайной величины (3.87) называется условным математическим
ожиданием дискретной случайной величины Y при условии {X = xj }: |
|
|
|
|
∑yipij |
|
|||
|
|
y |
P{(X = x |
) ∩ |
(Y = y )} |
|
|
||
M(Y | X = xj ) = ∑yiP{Y = yi |
| X = xj } = ∑ |
i |
j |
|
i |
|
= |
i |
. (3.88) |
|
P{X |
= xj } |
∑pij |
||||||
i |
i |
|
|
||||||
|
|
|
|
|
|
|
|
i |
|
Для дискретных случайных величин X и Y условные вероятности P{Y = yi | X} и условные ма- тематические ожидания M(Y | X) при условии X определяются как случайные величины, прини- мающие на множестве {x1, x2, x3, …, xn, …} значения (3.86) и (3.88) соответственно:
P{Y = yi | X} |
|
x1 |
|
|
|
x2 |
|
|
|
xn |
|
, |
|||||||||||
|
|
|
|
|
|
|
|||||||||||||||||
|
p |
|
|
pi1 |
|
|
|
pi2 |
|
|
|
pin |
(3.89) |
||||||||||
|
|
|
|
|
|
∑k |
pk1 ∑k |
pk2 |
|
|
∑k |
pkm |
|
|
|
||||||||
M(Y | X) |
|
|
x1 |
|
|
|
x2 |
|
|
|
|
xn |
. |
||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
∑yipi1 |
∑yipi2 |
|
∑yipin |
|
(3.90) |
||||||||||||||
|
p |
|
|
i |
|
|
|
|
|
i |
|
|
|
|
i |
|
|
|
|
|
|
||
∑i |
pi1 |
|
|
|
∑i |
pi2 |
∑i |
pin |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Аналогичным образом определяются условные плотности распределения и условные матема- тические ожидания для абсолютно непрерывных случайных величин. Условная плотность распре-
деления абсолютно непрерывной случайной величины Y при условии {X = x} определяется формулой
f |
(y) = |
fXY |
(x,y) |
= |
|
fXY (x,y) |
, |
(3.91) |
|
|
+∞ |
||||||
Y |X =x |
|
fX |
(x) |
|
|
|||
|
|
∫ |
fXY (x,y)dy |
|
|
−∞
60