XVI Теория вероятностей (1081428), страница 45
Текст из файла (страница 45)
Приведем примеры. Пример 8.8. Пусть Х1 и Х2 — числа успехов в первом и втором испытаниях по схеме Беркулли с вероятностью успеха р. Найдем М(Х1 ~хз). Используя табл. 8.2, получаем: м(х,!6) =о д+1 р=р, м(х,р)=6 д+1 р=р. 367 8.2. Усеовиые чисаовые характеристики Таким образом, значения М(Х1~0) и М(Хц1) условного математического ожидания совпадают для обоих значений 0 и 1 случайной величины Хз и равны р. Поэтому М(Х,)Х,) ел р. Пример 8.9. Найдем условное математическое ожидание М(Х~У) случайной величины Х вЂ” числа очков, выпавших на верхней грани игральной кости, относительно случайной величины У вЂ” числа очков, выпавших на нижней грани (см. пример 8.2).
В соответствии с табл. 8.3 М(Х)1) = 1 О+2 О+3 О+4 О+5 О+6.1 = 6, М(Х~2) =1 0+2 О+3.0+4 О+5 1+6 0 = 5, М(Х~6) = 1 1+2 О+3 О+4 О+5 О+6 0 = 1. Полученный результат в терминах условного математического ожидания можно записать в виде М(Х~У) = 7 — У. Теорема 8.1. Условное математическое ожидание М(Х~У) обладает следующими свойствами. 1. М(с~У) вес, 2. М(аХ + Ь|У) = аМ(Х)У) + Ь. 3. М(Х1 +Хз~У) = М(Х1~У) + М(Хз~У). 4. Пусть случайные величины Х1 и Хз являются независимыми при условии, что случайная величина У приняла любое конкретное значение.
Тогда М(Х1Хз/У) = М(ХцУ)М(Хз/У) (это утверждение мы приводим без доказательства). 5. МХ = М(М(Х~У)). 6. Пусть и(Х) и е(У) — функции от случайных величин Х и У. Тогда М(и(Х)е(У)~У) = е(У)М(и(Х)~У). 368 8. УСЛОВНЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН 7. Если Х и У вЂ” независимые случайные величины, то М(Х~У) = МХ. Утверждения 1-3 доказываются совершенно аналогично тому, как зто делалось для безусловного математического ожидания (разумеется, арифметические действия нужно понимать уже не как действия над числами, а как действия над функциями, определенными для всех значений случайной величины У). Докажем последние три утверждения. Действительно, в силу определений математического ожидания и условного математического имеем га т а М(М(Х~У)) =~~ М(Х~уу)ру =~~> ру ~~> х;л; = 1=1 ужг г=1 я т =~> рУ ~~> х; — ~=~> ~ х;р;.=МХ, 1=1 з=1 з 1=1 1=1 что доказывает утверждение 5.
Далее, случайная величина и(Х)о(У) принимает значение п(х;)о(у ), когда Х принимает значение х; и У вЂ” значение у., и, следовательно, для каждого у П М( (Х) ~(УПу~) =~~, (*г) ~(у1М~= = о(уу)~~Г п(х;)л; = е(у )М(в(Х)~у ), откуда вытекает утверждение 6. Наконец, используя условие независимости случайных величин Х и У, выраженное в терминах условного распределения (см.
8.1), находим М(Х~у1) = ~~г х1лИ вЂ” — ~ хглх; = МХ, откуда следует справедливость утверждения 7. > В.2. Усаоааые числовые характеристики 369 Пример 8.10. Еще раз вычислим М(Х1~хз) (см. пример 8.8), но теперь уже воспользуемся свойством 7 условного математического ожидания. Тогда, поскольку Х1 и Хе — независимые случайные величины, то м(х,(х,) =- мх, = р. Пример 8.11. Снова обратимся к примеру 8.9. Так как сумма очков на противоположных гранях игральной кости равна 7, то Х = 7 — У. Представим Х в виде Х= 1 (7 — У).
Используя теперь свойство 6, в котором положено и(х) = 1, и(у) = 7 — у, и свойство 1, получим М(Х~У) = М(1 (7 — У) ~У) = (7 — У)М(ЦУ) = 7 — У, т.е. мы пришли к тому же результату, что и раньше, но практически без вычислений. ф Перейдем теперь к двумерной кекрермвкой случайкой величине. Определение 8.5. Для непрерывной двумерной случайной величины (Х, У) зкачекием М(х~у) = М(Х~У = у) условного маьпематпического ожидакил непрерывной случайной величины Х при условии У = у называют число М(х~у) = хрл(х~у) дх, где рх(4у) = р(х,у) ж (у) является условной плотностью распределения случайной величины Х при условии У = у. 370 8. УСЛОВНЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН Определение 8.6. Для непрерывной двумерной случайной величины (Х, У) условным матпематичееним ожиданием М(Х~У) непрерывной случайной величины Х относительно случайной величины У называют функцию д(У) = М(Х~У) от случайной величины У, принимающую значение д(д) = М(Х~д) при У =у.
Проверьте самостоятельно, что свойства условного математического ожидания, выведенные для дискретного случал, справедливы и для непрерывного (исключение составляет свойство 1, поскольку непрерывная случайнал величина не может принимать всего одно значение). Резюмируя изложенное вьппе, можно сказать, что зависимость поведения „в среднем" случайной величины Х от значения случайной величины У характеризуется функциеи д(д) = Определение 8.7.
Функцию д(д) называют фднниией резреееии, или просто реереееией, случайной величины Х на случайную величину У, а ее график — линией реереееии случайной величины Х на случайную величину У,или просто Х на У. Линия регрессии графически изображает зависимость „в среднем" случайной величины Х от значения случайной величины У. Совершенно аналогично определяют значение М(У ~х) условного математического ожидания случайной величины У при условии Х = х и условное математическое ожидание М(У~Х) = = ЦХ). При этом функцию Цх) называют функцией регрессии, или просто регрессией, случайной величины У на случайную величину Х, а ее график — линией регрессии У на Х.
Линия регрессии У на Х графически изображает зависимость „в среднем" случайной величины У от значения случайной величины Х. В.г. Усаееяие чясеовые характеристики 371 Пример 8.12. Пусть (Х, У) — двумерная случайнал величина, имеющая нормальное распределение. Как было показано в примере 8.3, условное распределение Х при условии У = р является нормальным со средним значением РГ1 (у пгг) ен~ + о'г Следовательно, согласно определению математического ожидания, имеем М(Х~У) = пег+ ог т.е. линия регрессии случайной величины Х на случайную величину У в этом случае представляет собой прямую линию ог Очевидно, что аналогичный вид имеет в рассматриваемом случае и ливия регрессии Ь(х) координаты У на координату Х. В частности, регрессия роста жителя страны Нормзлии на его вес определяется формулой Р(хг) = 120+ 0,70хг, а веса на рост — формулой Ь(х~) = 0,62х~ — 33.
Линии регрессии роста на вес и веса на рост приведены на рис. 8.1 и рис. 8.2. Условное математическое ожидание, как обычное (безусловное) математическое ожидание, характеризует иентир рассеиеанил случайной величины. Однако оно не дает никакой информации о степени рассеивания случайной величины относительно среднего значения. 372 в. УСЛОВНЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН Поскольку степень рассеивания случайной величины Х можно оценить с помощью дисперсии, то в качестве меры рассеивания случайной величины Х относительно У можно принять условную дисперсию, которую естественно определить аналогично обычной дисперсии, но используя условное распределение случайной величины Х при условии У = р.
Определение 8.8. Условной дисперсией Р(Х~У) случайной величины Х относительно (случайной величины) У называют случайную величину, задаваемую формулой В(ХЩ = М([Х вЂ” М(Х~У)]'Р ). Приведенное определение применимо как для двумерной дискретной случайной величины, так и для непрерывной.
Для двумерной дискретной случайной величины (Х, У) значение лз(Х~у ) условной дисперсии Х при условии У = иу определяется формулой О(Х$у) = М([Х-М(Х!Еу)Г~ру) = Е [х; — М(Х!ру)]' И, 1=1 а для двумерной непрерывной случайной величины (Х, У) значение ьУ(Х~у) условной дисперсии Х при условии У = у задается формулой Условная дисперсия случайной величины Х так же, как и условное математическое ожидание этой случайной величины, зависит от того значения, которое приняла случайная величина У. Поэтому условная дисперсия Р(Х~У) является функцией от случайной величины У, область определения которой совпадает с множеством возможкых значений случайной величины У.
8.х. Условные чисееаые характеристики 373 Наряду с условной дисперсией Р(Х~У) (илн ее значением 1х(Х~р)) используют условное среднее квадратичное отклоне,„(„=,(е(х(х( ( „„~,х(, = Ф(х~р. Все сказанное выше относительно условной дисперсии 1х(Х~У) справедливо и для условной дисперсии О(У[Х) случайной величины У относительно Х.
Свойства условной дисперсии определяются следующей теоремой. Теорема 8.2. Условная дисперсия Р(Х~У) обладает следующими свойствами. 1. Р(С~У)=0. ' 2. О(аХ+ б(У) = азО(Х[У). 3. В(Х~У) = М(Х'~У) — [М(ХР )1'. 4. Пусть случайные величины Хд и Хз являются независимыми при условии, что случайная величина У приняла любое конкретное значение.
Тогда Р(Х1 + Хз ~У) = Р(Х1 [У) + О(Хз [У) (это утверждение мы приводим без доказательства). 5. Пусть о(Х) и е(У) — функции от сяучайньп( величин Х и У. Тогда Р(и((1) е(У)~У) = е'(У)Р(и(Х) ~У). 6. Если Х и У вЂ” независимые случайные величины, то Р(Х~У) = ОХ. 7. 1хХ = М(Х)(Х~У)) + М(М(Х~У) — МХ) . ~ Первые два утверждения мы предлагаем доказать самостоятельно. Докажем оставшиеся четыре утверждения.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
