2003_-_Gmurman__TV_i_MS
.pdfn |
|
(см. § 2) ~ Р (Xj, |
У/)= Р (Yj)' то |
l= 1 |
|
n |
n |
~ p(XjIYj)= ~ Р(Х{, Yj)/P(Yj)=P (У/)/Р (Yj) = 1. |
|
i= 1 |
{= 1 |
Аналогнчно доказывается, что прн фнксированиом Х;
т
~ p(Y/lx;)=l.
1= 1
Эго свойство условных распределеиий используют д,.Ilя контроля вы
числеииА.
Пример. Дискретная двумерная CJlучайная величииа задана табл.
Таблица
4.
4
х
у |
|
|
I |
|
|
Х. |
Ха |
|
Ха |
Уl |
0,10 |
0,30 |
|
0,20 |
У2 |
0,06 |
0,18 |
|
0,16 |
Найти условный закон распределения составляющей Х при ус
ловии, что составляющая У приняла значение Yl'
Реш е н и е. Искомый закон определяется совокупностью сле
дующих условных вероятностей:
|
Р (Xl I Уд, Р (Xzl YJ, |
Р (Ха I Уl)' |
|
|
||||
Воспользовавшись |
формулой |
(:;.) |
и |
прнняв |
во |
внимаиие, что |
||
Р (Yl) = |
0,60 (см. § 2, пример), |
имеем: |
|
|
|
|
||
|
Р (xIIYl)=P (Xl, |
Yl)/P (У1) =0,10/0,60 = |
1/6; |
|||||
|
Р (Ха IyJ = Р (Х2, |
Yl)/P (Уl) = 0,30/0,60 = 1/2; |
||||||
|
Р (Ха IYl) = |
Р (Ха, |
Yl)/P (Yl) = 0,20/0,60 = 1/3. |
|||||
Сложив для контроля найденные |
условные вероятиости, убедим |
|||||||
ся, что |
их сумма равна |
единице, |
как |
и |
должно быть, |
в соответствии |
с замечанием, помещениым выше: 1/6+ 1/2+ 1/3= 1.
§ 14. Условные законы распределения
состаВJIЯЮЩИХ системы непрерывных
случайных величин
Пусть {Х. У)-непрерывная двумерная случай
ная величина.
Условной плотностью <:Р (х Iу) распределения состав
ляющих Х при данном значении У = у называют ОТНО-
171
шение плотности совместного распределения f (х, |
у) си |
||||
стемы (Х, У) к |
плотности |
распределения |
f 2 (у) |
состав |
|
ляющей У: |
|
|
|
|
|
|
ep(xly)=f(x, Y)lf2(y)· |
|
|
(*) |
|
Подчеркнем, |
что отличие |
условной |
плотности |
ер (х Iу) |
|
от безусловной |
плотности f1 |
(х) состоит |
В |
том, что функ |
ция ер (х Iу) дает распределение Х при условии, что со ставляющая У приняла значение У = у; функция же f1 (х) дает распредеЛение Хнезависимо от того, какие из
возможных значений приняла составляющая У.
Аналогично определяется условная плотность состав
ляющей У при данном значении Х = х:
|
'ф (у / х) = f |
(х, y)lfl (х). |
(**) |
||
Если |
известна |
плотность совместного распределения |
|||
f (х, у)' |
то условные плотности составляющих |
могут быть |
|||
найдены |
в силу (*) |
и (**) (см. § |
12) по формулам: |
||
|
|
|
QO |
|
|
|
ер (х/ у) = f (х, |
у)! ~ f (х, y)dx, |
|
||
|
|
|
.. |
|
|
|
|
|
- 00 |
|
|
|
'Ф(уlх)=f(х, |
у)! ~ |
{(х, y)dy. |
|
|
|
|
|
-QO |
|
|
Запишем формулы (*) и |
(**) |
в виде |
|
||
f (х, у) = f 2 (у) ер (х / у)' |
f (х, у) = f1 (х) 'ф (у / х). |
Отсюда заключаем: умножая закон распределения
одной из составляющих на условный закон распределе ния другой составляющей, найдем закон распределения
системы случайных велич.ш.
Как и любая плотность распределения, условные плотности обладают следующими свойствами:
ер (х Iу) ~ О, 5"".. ер (x/y)dx= 1;
-..
'ф (у Iх) ~ О, s'ф(уI х)dy = 1.
-QO
Прнмер. Двумерная случайная величина (Х, У) задана nпoT
иостью совместного распределеиия
_ |
{1/(п,2) |
прн)(' +11' < ,', |
'()(, 1/}- |
О |
при )(2+11 > ,2. |
172
Найти условные |
законы распределения |
вероятностей |
состав- |
|||||
nяющих. |
|
|
|
|
|
|
|
|
Реш е и и е. Найдем условную плотиость составляющей |
х при |
|||||||
Ixl < у,2_у' по формуле (.........): |
|
|
|
|
||||
'1' |
(х I у)= |
1/ (п,!) |
|
|
1 |
|
||
|
|
|
|
|
1 |
::'2~у":F:;::,;:1=':;::1I=:' • |
|
|
|
|
|
Yr'-/l |
|
|
|||
|
|
|
1 |
Sdx |
|
|
||
|
|
|
п,· |
|
|
|||
Так как {(х. |
у)=О |
при xl |
+1I1 |
> ,., то |
'P(xl,,)=Oпри Ixl > |
|||
> У,!_уl. |
|
|
(***...). |
|
|
|
|
|
Пользуясь формулой |
аналогично |
найдем условную плот |
||||||
иость составляющей |
У: |
|
|
|
|
|
|
|
'i>(у 1х) = { |
1/(2 |
У,1_ XIl) |
|
при 1у 1 < У,1_XI , |
|
|||
О |
|
|
|
при IYI > y,I_XI. |
|
§ 15. )"CJlовное мвтематическое ожидание
Важной характеристикой условного распределе
ния вероятностей является условное математическое ожи
дание.
Условны'м .математически,М ожидание'м дискретной
случайной величины У при Х = х (х-определенное воз можное значение Х) называют произведение возможных
значений У на их условные вероятности:
М (У IХ = |
|
т |
х) = |
~ YjP (У/ Iх). |
|
|
|
1= 1 |
Для непрерывных величин |
||
|
|
... |
м (У IХ = |
х) = |
SуЧJ(УIх)dy, |
|
|
-.. |
где ЧJ (У Iх) - условная плотность случайной величины У
при Х =х.
Условное математическое ожидание М (У Iх) есть Функ-
ция от х:
м (У Iх) = f (х),
которую называют ФlIнкцией регрессии У на Х. Аналогично определяются условное математическое
ожидание СJlучайной величины Х и функция регрессии Х на У:
м (Х Iу) = q> (у).
173
Прнмер. Дискретная двумерн.ая случа.Аная величнна задана табл. 5.
|
|
|
|
Табл.нца 5 |
|
|
|
х |
|
у |
.....=I |
I ..... =3 |
I Х,,= 4. |
I Х.=8 |
|
||||
111=3 |
0,15 |
0,06 |
0,25 |
0,04 |
11.=6 |
0,30 |
0,10 |
0,03 |
0,07 |
Найти условное математическое ожидание составляющей У прн
Х=Хl= 1.
Ре w е и и е. НаАдем Р (Хl)' для чего сложим вероятности, по
мещенные в первом столбце табл. 5:
Р (xl)=O,15+0,30=O,45.
Найдем условное распределенне вероятностей величииы У при
Х =Хl = 1 (см. § 13):
р(у11 Хl) =р (Хl. 1I1)/Р (Хl) = 0.15/0,45= 1/3;
р(У. I Хl) = р (Ха, II.)/р (Хl) = 0,30/0,45 = 2/3.
Найдем искомое условное математическое ожидание по фор
муле (*):
2
М (У I Х=хд =~~ IIjP <11/1 хд=lI1Р (уll Хl) +1I2Р(У21 Хl) =
J= I
=3 (1/3)+6 (2/3) =5.
§ 16. Зависимые инезависимые CJlучайиые
величины
мы назвали две случайные величины независи
мыми, еCJJИ закон распределения одной из них не зави
сит от того, какие возможные значения приняла другая
величина. Из этого определения следует, что условные
распределения независимых величии равны их безуслов
ным распределениям.
Выведем необходимые и достаточные условия незави-
•
симости случаиных величин.
Теорема. Для того чтобы случайные величины Х и У были неэависимыми, необходимо и достаточно, чтобы. функция распределения системы (Х. У) была равна nро
изведению функций раоnределения составляющих:
F (х, у) = F 1 (х) F a (у).
Доказательство. а) Необходимость. Пусть
К и У независимы. Тогда события Х < х и У < у неза-
174
висимы, сле,цова'reJllJМ{О, мроятtЮC1'ь совмещения этих
событий равна произведению их 'Вероятностей:
р (Х < х, У < У) = р (Х < х) Р (У < У),
или
F (х, у) = F1 (х) Р. (у).
б) Достаточность. Пусть Р(х, y)=F1(x)F.(y).
Отсюда
Р (Х < х, У < у) = Р (Х < х) Р (У < У),
т. е. вероятность совмеЩeR'ИЯ событий Х < х и У < У
равна произведению вероятнOC'reЙ этих событий. Следова
тельно, случайные .величины Х и У иеЭЗ1ilИСИМЫ.
С Л е Д с т в и е. Для того 'fmобы непрерывные случайные
величины Х и У были неэависиМblМи, необходи'м'О и доста
точно, чтобы плотность C08JМCmнOгO распределения си
сте,Мы (Х, У) бblЛll ра8IШ nроuэвеiJению nлотностей рас
пределения составляющих:
f (х, у) = f1 (х) '. (У).
До к а 3 а т е л ь с Т В о. а) Н е о б х о д и м о с т ь. Пусть
ХИ У -иезависимы.е иепрерывые случайные величины.
Тогда (на основании предыдущ-ей теоремы)
Р(х, у)=Р1 (х)Р.(у).
Дифференцируя это равенство по х, затем по у, имеем
a2 F |
дFl дF. |
дхду- |
дх ду , |
или (по определению плотНостей распределения двумер ной и одномерной величин)
f (х, У) = f1 (x)f. (У).
б) Достаточность. Пусть
f (х, у) = f1 (ХН2 (У).
Интегрируя это |
равенство по х и по у, получим |
|
11 " |
"11 |
|
S Sf (х, у)dx dy = Sf1 |
(х)dx S'. (у)dy, |
|
- (1:) - (1:) |
- Qo |
- .. |
или (см. § 8 гл. |
XIV и § 3 гл. Xl) |
|
|
F (х, у) = F 1 (х) Р. (у). |
175
Отсюда (на основании предыдущ~А теоремы) заклю чаем, что Х и У R833ВИСИМЫ.
3 а м е ч а и и е. Так как ПРИlИ!деииые вwше усло••я являются
иеобходимыми и достаточными, то можно дать новые определеиия независимых случайных веnичин:
1) две случайные величины называюг неа8ВИСИМЫМИ, если функ ция распределения снстемы этих величин равна произведению функ
ций раСllределения составляющих;
2) две иепрерывные случайные величины иазываюг независимы
ми, если плотиость совместного распределения системы этих величин
равна произведению плотностеА распределеИИJf составляющих.
Пример. Двумерная непрерывная случайная величина (Х. У)
задана плотностью совмеагиоro раопределеНИJf |
|
|
1(х, у) = (6in xsiп у)/4 |
|
|
в квадрате О..;;;; х <; п, О.;;;;; У < п; вне |
квадрата 1(х, у) - |
о. Доказать, |
что состаВЛЯlOщие Х и У неЗ8ВИСИМЫ. |
(...) и (...",) § 12, |
|
Реш е н и е. Используя формулы |
легко иайдем |
плотиости распределения составляющих: 11 (х) = sin х/2, I1 (у) = sin у/2.
Плотность совместного распределения рассматрнваемоА системы рав
на ПРОИ8ведению плотностеА распределения составляющих, поэтому
Х и У иезавнсимы.
Разумеется, можнО было доказать, чтО условные законы распре
делення составляющих равны ИХ беауCJlOВИЫМ законам, откуда также
следует независимость Х и У.
§ 17. Числовые характеристики системы двух
CJlучайных величин. Корреляционный момент.
Коэффициент корреляции
Для описания системы двух случайных величии кроме математических о}Киданий и дисперсий составляю
щих используют и другие характеристики; к их числу
относятся корреляционный момент и коэффициент корре
ляции.
Корреляционным .моментом ....%10' случайных величин
Х и У называют математическое о}Кидание произведеиия
отклонений |
этих величин: |
|
|
....ху = М {f Х -М {Х)] [У -М (У)]). |
|
Для вычислени~ корреляционного момента дискрет |
||
ных величин |
используют формулу |
|
|
n |
т |
....хll = |
~ |
~ [xj-M (X)][Yj-М (У)] Р (xj , Yj), |
|
i = 1 J""'- 1 |
|
а для непрерывных величин -формулу |
||
|
.. |
OD |
....Xl/= |
5 5[х-М (Х)][у-М (У)]! (х, y)dxdy. |
-CI)-CID
176
Корреляционный момент служит для характеристики связи между величинамн Х и У. Как будет показано
ниже, корреляциониый момент равен нулю, если Х и У
независимы; следовательно, если корреляционный момент
не равен нулю, то Х и У-зависимые случайные вели
чины.
3 а м е ч а н н е |
1. |
Учитывая, что отклонения |
есть центрирован |
ные случаАные величнны (см. гл. VIII, § 2), корреляцнонный момент |
|||
можно определить |
как |
математнческое ожидание |
произведення цент |
рнрованных случайных |
величнн: |
|
|
|
|
J.l.Xll= М (XYJ. |
|
3 а м е ч а н н е |
2. |
Легко убедиться, что корреляционныii момент |
|
можно записать в |
виде |
|
|
~txy=M (ХУ)-М (Х) М (У).
Теорема 1. Коррелщионный момент двух неэавucимых случайных величин Х и У равен нулю.
Доказательство. Так как Х и У-независимые
случайные величины, то их |
отклонения Х-М (Х) и |
У -М (У) также независимы. |
Пользуясь свойствами ма |
тематического ожидания (математическое ожидание про
изведения независимых случайных величин равно произ
ведению математических ожиданий сомножителей) и отклонения (математическое ожидание отклонения равно
нулю), получим
....Х1I=М {[Х-М (Х)] [У -М (У)]} =
= М [Х-М (Х)]М [У-М (У)]= О.
Из определения корреляционного момента следует,
что он имеет размерность, равную произведению размер
ностей величин Х и У. Другими словами, величина
корреляционного момента зависит от единиц измерения
случайных величин. По этой причине для одних и тех же
двух величин величина корреляционного момента имеет
различные значения в зависимости от того, в каких еди
ницах были измерены величины.
Пусть, например, Х и У были измерены в сантимет
рах и ....х = |
2 см2 |
; если |
измерить Х и У в миллиметрах, |
|
то ....Х1I= ~OO |
мм. |
Такая |
особенность корреляционного мо- |
|
|
|
|
v |
u |
мента является недостатком этои числовои характеристики, поскольку сравнение корреляционных моментов
различных систем случайных величин становится затруд
нительным. Для того чтобы устранить этот недостаток,
вводят новую числовую характеристику-коэффициент
корреляции.
12 - 27,0 |
177 |
Коэффициентом корреляции r"'11 случаitных величин
Х и У называют отношение корреляционного момента к
u
произведению средних квадратических отклонении этих
величин:
Так как размерность JL,,'II равна произведению размер
ностей величин Х и У, а" имеет размер-ность величины
Х, a'll имеет размерность величины У (см. гл. VHI, § 7),
то ~ '.Х)J-безразмерная величина. Таким образом, величина
КО3qXpициента корреляции не зависит от выбора единиц
измерения случайных величин. В этом состоит преиму щество коэффициента корреляции перед корреляционным
моментом.
Очевидно, коэффициент корреляции независимых слу
чайных величин равен нулю (так как JL"y = О).
3 а м е ч а н и е 3. Во многих вопросах теории вероятностей це
лесообразно вместо случайной величины Х рассматривать нсрмиро
ванную случайную величину Х', которую определяют как отношеиие
отклонения к среднему квадратическому ОТклонению:
Х' = (Х-М (Х»/а".
Нормированиая величина имеет математнческое ожидание, равное
нулю, и дисперсию, равную един.ице. Действительно, используя свойства математического ожидания и дисперсии, имеем:
М (Х') =М [Х-М '(Х)] =1- М [Х-М (Х)) =~ .0=0;
<1" |
а" |
<1" |
D (X')=D [Х-М (Х)] ==~ D [Х-М (X)]=D (Х) = 1. |
||
а" |
a~ |
a~ |
Легко убедиться, что коэффицнент корреляции , Jfll равен корре
ляциониому момеиту иормированных величин Х' и У :
'X1I= М {[Х-М (Х)] [У-М (У)]} =М [Х-М (Х) |
х- М (У)] = |
|
<1"17,, |
<1" |
а" |
=М (X'Y')=J.&x'y"
Теорема 2. Абсолютная величина корреляционного мо
мента двух случаЙны.Х величин. Х и У не nревы.шает сред
него геометрического иХ дисперсий:
Ifj,,"1 ~VD"D".
Д о к а з а т е л ь с т в о. Введем в рассмотрение случай
ную величину Zl =av...X-а"У и найдем |
ее дисперсию |
D (Zl) = м [Zl-mZ,]2. tlыполнив выкладки, |
получим |
D (Zl) = 2а~;-2а"аIlJL,,", |
|
178
Любая дисперсия неотрицательна, поэтому
20'~;-20'xO'",...x,,~ О.
Отсюда |
|
....~" ~ о'хО'". |
(**) |
Введя случайную величину Zt =а"Х +ахУ, аналО'гич
но найдем
....х" ~- (J;PII •
Объединим (**) и (-х-**):
-О'хО',, ~ !!х" ~ O'XO'II'
или
Итак,
....х" ~V DxD".
Теорема 3. Абсолютная величина коэффициента кор
реляции не nревышает единицы:
Ir х,,1 ~ 1.
Д о к а з а т е л ь с Т В о: Разделим обе части двойного
неравенства (****) на произведение положительных чисел
о'хО',,:
Итак.
Irxvl~l.
§ 18. I(орре.лированность и зависимость
случайных величин
Две случайные величины Х и У называют кор
релированными, если их корреляционный момент (или,
что то же., ко~ициент корреляции) отличен от нуля; Х и У называют некоррелированны.мu величинами, если
их корреляционный момент равен нулю.
Две коррелированные величины также и зависимы.
Действительно, допустив противиое, мы должны заклю
чить, что ....х" =Q, а это' противоречит услО'вию, так как
для коррелирО'ванных величин ....х" ==tbO.
Обратное предполО'жение не всегда имеет место, т. е.
если две величины зависимы, тО' они могут быть как
коррелированными, так инекоррелированными. Дрvгими
12* |
179 |
словами, корреляционный момент двух зависимых вели
чин может быть не равен нулю, но может и равняться
нулю.
Убедимся на примере, что две зависимые величины
могут быть некоррелированными.
Пример. Двумерная случайная веЛичина (Х, У) задана плот-
ностью распределеиия:
{(х, y)=1/6n внутри эллипса x 2 ;9+y2/4=1; {(ж, у) =0 вне этого эллипса.
Доказать, что Х и У-зависимые некоррелированные величииы. Реш е н и е. Воспользуемся раиее вычисленными плотностями
распреДЕ'лення составляющих Х и У (см. § 12):
2 |
12 |
I |
V 4_у2 внутри заданного эллип- |
fl (Ж)=9п у 9-x~, |
(y)=2n |
са и fl(X)=O, f2(Y)=0 вне еГО.
Так как f (ж, у) ,р {1 (ж) fl (у), то Х и У - завнсимые величииы
(см. § 16).
Для того чтобы доказать некоррелнрованноСТЬ Х и У. доста точно убедиться 8 том. что "'.ж1l=0' НаАдем коррел'яционный момент
по формуле (см. § 17)
OD .. |
|
|
"'ХII= ~ |
) |
[ж-М (X)J[Y-М(У)J{(х, у)dжdу. |
-00 |
-110 |
|
Поскольку функция |
{1 (х) снмметрична отиоснтельно оси Оу. то |
М (Х) = О; оаиалогично. М (У) =0 в силу симметрии {_ (у) отнОси
тельно оси ж. Cnедовагельно.., ...
(i.жll = ~ ~ жу! (х. у) dx dy.
-00 -00
Выиося постоянный множитель! (~. 11) за знак интеграла. получим
Внутренний нитеграл равен нулю (подыитегральная фУНК/IКЯ иеЧf'тиа.
пределы интегрирования симметричны отиосительно иачала коорди
нат). следовательио. "'.жу-О. Т. е. зависимые елучайиые величины Х
и У некоррелированы.
Итак, из коррелнрованности АВУХ случайных величин
следует их зависимость, но из зависимости еще не вы
текает коррелированность. Из независимости двух вели
чин следует их некоррелированность, но из некоррели рованиости еще нельзя заключить о независимости этих
величин.
180