- •Конспект лекций по моделированию систем
- •§ 1. Основные понятия.
- •§ 2. Классификация моделей
- •§ 3. Этапы составления и исследования моделей.
- •§ 4. Имитационное моделирование.
- •§ 5.Элементы теории вероятности.
- •Способы вычисления вероятности
- •§ 6.Примеры основных случайных величин и их характеристик
- •§ 7.Построение датчика псевдослучайных чисел.
- •§ 7.1 Датчики для равномерного закона распределения
- •§ 7.2 Построение датчика псевдослучайных чисел для любого закона распределения
- •§ 7.3 Построение датчика по показательному закону распределения
- •§ 7.4 Построение датчика с помощью таблицы квантилей
- •§ 8. Потоки случайных событий. Пуассоновский поток.
- •§ 9.Связь потока Пуассона с показательным законом распределения
- •§ 10. Минимизация конечных автоматов.
- •§ 11. Моделирование работы конечного автомата
- •§12. Моделирование работы системы массового обслуживания
- •§ 13. Двумерные случайные величины и их законы распределения
- •§ 14.Понятие зависимых и независимых случайных величин
- •§15 Условное математическое ожидание линии регрессии.
- •§16 Числовые характеристики двумерных случайных величин Корреляционный момент
- •§17 Виды зависимости между случайными величинами.
- •§18 Нахождение на практике линейной регрессии.
§ 13. Двумерные случайные величины и их законы распределения
Пусть есть опыт, в котором несколько случайных величин
X(S, h, Δτ, r) – многомерные случайные величины
Будем рассматривать только двумерные случайные величины
X(ξ, η), где ξ и η - случайные величины со своими законами распределения.
Геометрическая интерпретация:
x – значение ξ
y– значение η
Двумерные случайные величины подразделяются на непрерывные и дискретные случайные величины.
Дискретная случайная величина – это такая случайная величина (точка), вокруг которой, сколько бы раз ни проводили опыт, не никаких других точек, т.е. все точки изолированы друг от друга.
Непрерывная случайная величина – это такая случайная величина, значения которой заполняют сплошь некоторую область на плоскости.
Закон распределения дискретной случайной величины (если задана таблица):
η |
ξ |
x1 |
x2 |
… |
xij |
… |
xn |
y1 |
|
|
|
- |
|
|
|
y2 |
|
|
|
- |
|
|
|
… |
|
|
|
- |
|
|
|
yij |
- |
- |
- |
Pij |
|
|
|
… |
|
|
|
|
|
|
|
ym |
|
|
|
|
|
|
Закон распределения непрерывной случайной величины задается в виде функции распределения – вероятность происхождения двух событий одновременно.
x,y – не включаются в интервал
Механический смысл ≈ масса плоскости (D)
Функция плотности распределения:
- плотность, с которой единичная масса распре делена на плоскости.
§ 14.Понятие зависимых и независимых случайных величин
Пусть в опыте есть двумерная случайная величина X(ξ, η)
- закон распределения для случайной величины ξ
- закон распределения для случайной величины η
Рассмотрим
- рост
- вес
Измеряем вес и рост определенного человека, затем фиксируем рост => люди будут иметь разный вес
- закон распределения веса. Он будет один и тот же для разного роста.
Условный закон распределения – это закон распределения, когда какая-нибудь компонента известна.
Случайная величина ξ независима от η, если для любого значения
,
Это понятие взаимное, т.е. если ξ не зависит от η, то и η не зависит от ξ.
Если условие не выполняется , то случайные величины зависимы.
Теорема:
Две случайные величины ξ и η в одном и том же опыте будут являтся независимыми случайными величинами тогда и только тогда, когда их двумерный закон распределения равен произведению одномерного закона.
Если нарушаются эти условия, то ξ и η – зависимы.
Доказательство:
Дано ξ и η –независимые случайные величины
=>
Р ассмотрим прямоугольник с бесконечно малыми сторонами. Р – вероятность попадания в эту область.
Если не зависимы
Теорема доказана.