Двумерные случайные величины
Лекция 6.
Двумерные случайные величины
Совокупность двух случайных величин (X,Y), заданных на вероятностном пространстве , называют двумерной случайной величиной или двумерным случайным вектором, X,Y называют координатами случайного вектора.
Это определение можно обобщить и на совокупность n случайных величин.
Функцией распределения случайного вектора (X,Y) или совместной функцией распределения случайных величин X,Y называется
.
Свойства функции распределения.
1 (Это – свойство вероятности, а - вероятность).
Рекомендуемые материалы
2 - неубывающая функция по каждому из своих аргументов. (В самом деле, если , то событие включено в событие , следовательно, его вероятность меньше)
3 (события - невозможные, поэтому их вероятность равна нулю).
4 (событие достоверно).
5 = - - +
Геометрически, - площадь полосы левее и ниже точки , Вычитая из нее и , мы два раза вычтем площадь полосы левее и ниже точки . Для того, чтобы получить площадь прямоугольника – левую часть равенства, надо вычитать эту площадь один раз, поэтому надо добавить ее, т.е. в правую часть равенства.
6. непрерывна слева по каждому из аргументов
7. . Так как событие достоверно, то пересечение событий и есть событие . Поэтому первое равенство справедливо. Аналогично доказывается справедливость второго равенства.
Двумерная случайная величина (X,Y) дискретна, если X, Y - дискретные случайные величины. Для нее составляется таблица распределения – аналог ряда распределения для одномерной случайной величины.
X | Y | ||||
y1 | y2 | ….. | ym | PX | |
x1 | p11 | p12 | … | p1m | pX1 |
x2 | p21 | p22 | … | p2m | pX2 |
……. | … | … | … | … | … |
xn | pn1 | pn2 | … | pnm | pXn |
PY | pY1 | pY2 | … | pYm |
Здесь pnm = , pYm = = p1m+ p2m +…+pnm,
pXn = pn1 + pn2 + … +pnm.
График функции распределения для двумерной случайной величины напоминает «лестницу», уровень ступеней которой изменяется скачком на pij при переходе через точку (xi , yj) в положительном направлении по оси OX и по оси OY. Если зафиксировать x = xi, то при увеличении y эти скачки будут на pi1, pi2, … pim (от нуля до pXi ). Если зафиксировать y = yj, то при увеличении x скачки будут на p1j, p2j, … pnj (от нуля до pYj). Нижние ступени (при xx1 и yy1) находятся на нулевом уровне, самая верхняя ступень (при x>xn, y>ym) находится на уровне 1. Если зафиксировать x > xn то при увеличении y эти скачки будут на pY1, pY2, … pYm (от нуля до 1). Если зафиксировать y > ym, то при увеличении x скачки будут на pX1, pX2, … pXn (от нуля до 1).
Пример. Проводятся два выстрела в мишень. При каждом выстреле вероятность попадания p, вероятность промаха q = 1- p. Случайная величина Xi – число попаданий при i – том выстреле. Найдем закон распределения случайного вектора (X1, X2)=.
X | Y | ||
y1=0 | y2=1 | PX | |
x1=0 | q2 | qp | pX1=q |
x2=1 | pq | p2 | pX2=p |
PY | pY1=q | pY2=p |
Построим функцию распределения
. В самом деле, при – событие{X<x,Y<y} - невозможное, при (x>1, y>1) событие {X<x,Y<y} – достоверное.
При событие {X<x,Y<y} представляет собой событие {X=0,Y=0}. Поэтому при F(x) = P{X=0,Y=0}= q2.
При событие {X<x,Y<y} представляет собой объединение несовместных событий {X=0,Y=0} и {X=0,Y=1}. Поэтому при F(x) =. P{X=0,Y=0}+ P{X=0,Y=1}= q2 + pq = q(p+q)=q.Аналогично, в случае F(x) = P{X=0,Y=0}+ P{X=1,Y=0}= q2 + pq = q(p+q)=q
Двумерная случайная величина непрерывна, если X, Y, непрерывные случайные величины и ее функцию распределения можно представить в виде сходящегося несобственного интеграла от плотности распределения.
.
Двойной интеграл можно записать в виде повторных (внешний по x, внутренний по y и наоборот). Если предполагать непрерывность плотности по x и y, то, дифференцируя по переменным верхним пределам, получим
.
Свойства плотности.
1. (функция распределения – неубывающая функция).
2. (по свойству 5 функции распределения) Справедливо обобщение .
3.
4. (по свойству 4 функции распределения)
5.
6. , (Свойство 7 функции распределения)
Независимость случайных величин.
Случайные величины X, Y называются независимыми, если , где - функции распределения случайных величин X, Y.
Если случайные величины непрерывны, то, дифференцируя это соотношение по x, y, получим .
Соотношение поэтому можно считать определением независимости непрерывных случайных величин.
Для дискретных случайных величин определение независимости можно записать в виде .
Математическое ожидание.
Математическим ожиданием функции двумерной случайной величины называется
в дискретном случае,
в непрерывном случае.
Свойства математического ожидания
1. ( по условию нормировки)
2.
=
3 для независимых случайных величин.
= .
Ковариация (корреляционный момент).
Ковариацией случайных величин называют .
Свойства ковариации.
1.
2.
По свойству 1
3. Если X, Y независимы, то , (обратное неверно).
Если случайные величины независимы, то , тогда по свойству 1 .
Случайные величины называются некоррелированными, если , из некоррелированности не следует независимость, из независимости следует некоррелированность.
4.
По свойству 1
== =
5.
Рассмотрим случайную величину .
.
Заметим, что отсюда следует свойство дисперсии (при a =1)
.
Так как , то . Это возможно только, если дискриминант этого квадратного трехчлена относительно a меньше или равен нулю. Выпишем это требование к дискриминанту:
. Отсюда следует свойство 5.
6. Для того, чтобы случайные величины были линейно зависимы (Y = aX +b), необходимо и достаточно, чтобы
Необходимость. Пусть Y=aX+b. Тогда
=
Достаточность. Пусть . Тогда (доказательство свойства 5) следовательно, z -детерминированная величина, т.е. , поэтому величины X, Y – линейно зависимы.
Коэффициентом корреляции называется .
Свойства коэффициента корреляции.
1.
2. Если X, Y – независимы, то
3.
4.
5. тогда и только тогда, когда X,Y линейно зависимы.
Двумерное равномерное распределение
Случайный вектор (X, Y) равномерно распределен в области D (площадь D равна S), если его плотность распределения задана так: p(x,y) = 0, если x Ï D, p(x,y) = 1/S, если xÎD.
Пример. Случайный вектор (X,Y) равномерно распределен в прямоугольнике 0£x£a, 0£x£b.
, аналогично .
, аналогично .
, аналогично .
Следовательно, случайные величины X, Y не коррелированны.
Двумерное нормальное распределение
Двумерная случайная величина (X,Y) распределена нормально со средними значениями m, m2, дисперсиями и коэффициентом корреляции , если ее плотность задана:
Задача линейного прогноза.
Заданы характеристики случайного вектора . Вводится случайная величина – оценка - линейный прогноз. Вычислить , чтобы линейный прогноз был наилучшим среднеквадратическим (в смысле минимума погрешности оценки:).
Люди также интересуются этой лекцией: 18.1 Внешняя политика СССР и международные отношения в 1930-е гг.
.
За счет выбора можно лишь минимизировать последнее слагаемое, сделав его нулем: .Теперь остается обеспечить минимум квадратного трехчлена от (найти вершину параболы): . Подставляя это значение, найдем
. Вычислим погрешность оценки при этих значениях параметров
.
При линейной зависимости оценка точна, погрешность равна нулю.
Чем меньше коэффициент корреляции, тем грубее оценка. В крайнем случае, при отсутствии корреляции () .