УМК по ТВ и МС
.pdfОпределение 4.2. Распределение случайных величин абсолютно непрерывным, если существует функция pξ1 ...ξn
1) |
x1,..., xn R pξ1 ...ξn (x1,..., xn ) ≥ 0 ; |
|
|
∞ |
∞ |
2) |
∫ ... ∫ pξ1 ...ξn (x1,..., xn )dx1...dxn =1; |
|
|
−∞ |
−∞ |
ξ1, … , ξn называется (x1,..., xn ) такая, что
x |
x |
|
3) x1,..., xn R ∫1 |
... ∫n pξ1 ...ξn ( y1,..., yn )dy1...dyn = Fξ1 ...ξn (x1,..., xn ) . |
(4.1) |
−∞ |
−∞ |
|
Функция pξ1...ξn (x1,..., xn ) , обладающая перечисленными свойствами, называется
совместной плотностью распределения набора случайных величин ξ1,..., ξn .
Следствие |
4.1. В тех |
точках (x ,..., x |
n |
) Rn , в которых плотность |
|||||
|
|
|
|
|
|
|
1 |
|
|
pξ1 ...ξn (x1,..., xn ) непрерывна, верна формула |
|
|
|||||||
|
∂n F |
(x ,..., x |
n |
) |
|
|
|
|
|
|
ξ1 ...ξn |
1 |
|
|
= pξ1 ...ξn |
(x1,..., xn ) . |
|
(4.2) |
|
|
∂x1...∂xn |
|
|
|
|
||||
|
|
|
|
|
|
|
|
∞
Можно показать, что pξ1 ...ξn−1 (x1,..., xn −1) = −∞∫ pξ1 ...ξn (x1,..., xn )dxn .
4.1.1. Двумерная случайная величина
Рассмотрим частный случай – двумерную случайную величину (ξ; η). Функцией распределения Fξη(x, y) случайной величины (ξ ;η) назовем Fξη(x, y) =
P(ξ < x, η < y), т.е. Fξη(x, y) − вероятность попадания точки (ξ; η) в левый нижний бесконечный квадрат плоскости Оxy с вершиной в точке (x, y).
Рис. 4.1.
Свойства Fξη(x, y):
1)0 ≤ Fξη(x, y) ≤ 1;
2)Fξη(x, − ) = Fξη(− , y) = Fξη(− , − ) = 0;
61
3)Fξη(+ , + ) = 1;
4)Fξη(x, + ) = Fξ(x);
5)Fξη(+ , y) = Fη(y);
6)Fξη(x, y) − функция неубывающая.
7)P{(ξ; η) D} = Fξη(c; d) − F(a; d) − F(c; b) + F(a; b).
Случайная величина (ξ; η) называется дискретной, если ξ и η − дискретные случайные величины. Простейшей формой закона распределения дискретной случайной величины является таблица распределения, т.е. перечень возможных значений (хi; yi) и их соответствующих вероятностей pij = P(ξ = хi; η = yj), где i = 1; ... ; n; j = 1; ..., m.
|
|
|
|
|
n m |
|
|
|
|
|
|
|
|
|
|
|
Условие нормировки: ∑∑ pi j =1. Тогда можно найти: |
|
|
|
|
|
|||||||||||
|
|
|
|
|
i=1 j =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
n |
|
m |
|
|
|
m |
||||
P(ξ = хi) = ∑ P(ξ = xi ;η = y j ) = ∑ pi j , P(η = yj) = ∑ P(ξ = xi ;η = y j ) = ∑ pi j . |
||||||||||||||||
|
|
|
j=1 |
|
|
j=1 |
|
i=1 |
|
|
|
i=1 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
η |
|
y1 |
|
y2 |
... |
|
yj |
|
|
... |
|
|
yn |
|
|
ξ |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
|
|
p11 |
|
p12 |
... |
|
p1j |
|
|
... |
|
|
p1n |
|
|
x2 |
|
|
p21 |
|
p22 |
... |
|
p2j |
|
|
... |
|
|
p2n |
|
|
... |
|
|
... |
|
... |
... |
... |
|
|
... |
|
|
... |
|
||
xi |
|
|
pi1 |
|
pi2 |
... |
|
pij |
|
|
... |
|
|
pin |
|
|
... |
|
|
... |
|
... |
... |
... |
|
|
... |
|
|
... |
|
||
xm |
|
|
pm1 |
|
pm2 |
... |
|
pmj |
|
|
... |
|
|
pmn |
|
|
Пример 4.1. Дано распределение двумерной случайной величины |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
η |
26 |
|
30 |
|
41 |
|
|
50 |
|
|
|
|
|
|
ξ |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
2,3 |
|
0,05 |
|
0,12 |
|
0,08 |
|
|
0,04 |
|
|
|
|
|
|
|
2,7 |
|
0,09 |
|
0,30 |
|
0,11 |
|
|
0,21 |
|
|
|
|
Найти законы распределения составляющих случайных величин ξ и η.
Решение.
ξ |
2,3 |
2,7 |
Р |
0,29 |
0,71 |
Действительно,
P(ξ = 2,3) = P(ξ=2,3;η=26) + P(ξ=2,3;η=30) + P(ξ=2,3;η=41) + P(ξ=2,3;η=50) = = 0,05 + 0,12 + 0,08 + 0,04 = 0,29; аналогично найдем Р(ξ = 2,7) = 0,71.
η |
26 |
30 |
41 |
50 |
P |
0,14 |
0,42 |
0,19 |
0,25 |
Действительно, Р(η = 26) = Р(ξ=2,3; η=26)+Р(ξ=2,7; η=26) = 0,05+0,09 = 0,14;
62
Р(η = 30) = Р(ξ=2,3; η=30)+Р(ξ=2,7;η=30) = 0,12+0,30 = 0,42; аналогично найдем Р(η = 41) = 0,19 и Р(η = 50) = 0,25.
4.1.2. Условные законы распределения двумерной дискретной случайной величины
По теореме умножения вероятностей
P(ξ = хi; η = yj) = P(ξ = хi) P(η = yj / ξ = хi) , то
P(η = yj / ξ = хi) = P(ξ = xi ;η = y j ) .
P(ξ = xi )
Аналогично, т.к. P(ξ = хi; η = yj) = P(η = yj) P(ξ = хi / η = yj), то
P(η = yj / ξ = хi) = |
P(ξ = xi ;η = y j ) |
. |
|
P(η = y j ) |
|||
|
|
Условным распределением дискретной случайной величины ξ при η = уj назовем перечисление возможных значений случайной величины ξ и их соответствующих условных вероятностей. Аналогично определяется условное распределение дискретной случайной величины η при ξ = хi.
Пример 4.2. Дано распределение двумерной случайной величины
|
η |
3 |
6 |
ξ |
|
||
|
|
|
|
10 |
|
0,25 |
0,10 |
14 |
|
0,15 |
0,05 |
18 |
|
0,32 |
0,13 |
Найти: а) законы распределения составляющих ξ и η; б) условный закон распределения η при условии, что ξ = 10; в) условный закон распределения ξ при условии, что η = 6, и М[ξ / η = 6].
Решение. Закон распределения ξ:
|
|
ξ |
|
10 |
|
14 |
|
18 |
|||
|
|
Р |
|
0,35 |
|
0,20 |
|
0,45 |
|||
Закон распределения η: |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|||
|
|
η |
|
|
3 |
|
6 |
|
|||
|
|
Р |
|
|
0,72 |
|
0,28 |
|
Условный закон распределения η при условии, что ξ = 10. Найдем
P(η = 3 / ξ = 10)= |
P(ξ =10,η = 3) |
= |
0,25 |
= |
5 |
; |
|
P(ξ =10) |
|
0,35 |
|
7 |
|
63
P(η = 6 / ξ = 10) = |
P(ξ =10,η= 6) |
= |
0,1 |
= |
2 |
|
P(ξ =10) |
0,35 |
7 |
||||
|
|
|
Отсюда, условный закон распределения η при условии, что ξ = 10, имеет вид
|
|
η |
|
|
|
|
3 |
|
6 |
|
|
|
|||
|
|
P(η / ξ = 10) |
|
5/7 |
|
2/7 |
|
|
|
||||||
Условный закон распределения ξ при условии, что η = 6, имеет вид |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
18 |
|
|||
|
|
ξ |
|
|
|
10 |
|
14 |
|
|
|
||||
|
P(ξ / η = 6) |
|
|
|
10/28 |
|
5/28 |
|
13/28 |
|
|||||
Действительно, P(ξ = 10 / η = 6)= |
P(ξ =10,η= 6) = |
0,10 |
= |
10 . |
|
|
|||||||||
|
|
|
|||||||||||||
|
|
|
|
|
|
P(η= 6) |
0,28 |
|
28 |
|
|
||||
Аналогично найдем P(ξ = 14 / η = 6) = 5/28 и P(ξ = 18 / η = 6) = 13/28. |
|||||||||||||||
M[ξ / η = 6] = 10 10 +14 |
5 |
|
+18 13 |
= 404 ≈14,43. |
|
|
|
||||||||
28 |
|
|
|
|
|||||||||||
28 |
|
|
28 |
28 |
|
|
|
|
|
|
4.2. Математическое ожидание функции от случайных величин
Предложение 4.2. Пусть g: Rn → R − некоторая функция, зависящая от n переменных. Тогда
∞ |
∞ |
M [g(ξ1,..., ξn )]= ∫ ... ∫ g(x1,..., xn ) pξ1 ...ξn (x1,..., xn )dx1...dxn . # |
|
−∞ |
−∞ |
Математическое ожидание существует тогда и только тогда, когда интеграл сходится абсолютно. Из предложения 4.2 вытекает, в частности, что
M [ξ1ξ2 ]= ∫∫ x1x2 pξ1ξ2 (x1, x2 )dx1dx2 .
R2
Теперь ясно, как вычислять ковариацию: cov(ξ1,ξ2 ) = M [ξ1ξ2 ]− M[ξ1 ] M[ξ2 ].
Для абсолютно непрерывных случайных величин верны: - свойство линейности математического ожидания
M[c1ξ1 +... + cnξn ]= c1M [ξ1] +... + cn M [ξn ] ;
-формула для дисперсии суммы
D[ξ1 +... +ξn ] = D[ξ1 ] +... + D[ξn ] + 2 ∑cov(ξi ,ξ j ) .
1≤i< j≤n
4.3. Независимость случайных величин
Следующее определение обобщает понятие независимости, данное в § 2.9, на случай произвольных случайных величин.
64
Определение 4.3. Случайные величины ξ1, … , ξn называются независимы-
ми, если x1,..., xn Fξ1 ...ξn (x1,..., xn ) = Fξ1 (x1 )...Fξn (xn ) .
Следствие 4.2. Случайные величины ξ1, … , ξn с абсолютно непрерывным распределением являются независимыми тогда и только тогда, когда
pξ1 ...ξn (x1,..., xn ) = pξ1 (x1)...pξn (xn ) .
Предложение 4.3. Если ξ1 и ξ2 независимы, то для любой пары интервалов B1 = (a1,b1 ] и B2 = (a2 ,b2 ] верно равенство
P{ξ1 B1, ξ2 B2 }= P{ξ1 B1} P{ξ2 B2 }. #
Такое же утверждение имеет место для любого конечного числа случайных
величин B1 = (a1,b1 ], … , Bn = (an ,bn ]:
P{ξ1 B1,..., ξn Bn} = P{ξ1 B1}...P{ξn Bn}.
Предложение 4.4. Если ξ1, … , ξn − независимые абсолютно непрерывные случайные величины, у которых существует математическое ожидание, то
M [ξ1...ξn ]= M [ξ1 ]...M [ξn ] .
Доказательство. Доказательство просто – последовательно применяем
предложение 4.2, следствие 4.2 и определение 3.8:
∞ |
∞ |
|
|
M [ξ1...ξn ]= ∫ ... ∫x1...xn pξ1...ξn (x1 ,..., xn )dx1...dxn |
= |
||
−∞ |
−∞ |
|
|
∞ |
∞ |
|
|
= ∫ ... ∫x1...xn pξ1 (x1 )... pξn (xn )dx1...dxn |
= |
||
−∞ |
−∞ |
|
|
∞ |
|
∞ |
|
= ∫ |
x1 pξ1 |
(x1)dx1 ... ∫xn pξn (xn )dxn = M[ξ1]...M[ξn ]. |
|
−∞ |
|
−∞ |
|
Следствие 4.3. Если ξ1, … , ξn − независимы, то
D[ξ1 +... + ξn ]= D[ξ1 ] +... + D[ξn ] .
Доказательство. Достаточно показать, что i ≠ j cov(ξi ,ξ j ) = 0 . Это, в свою очередь, следует из предложения 4.4.
4.4. О некоррелированных зависимых случайных величинах
Ниже рассмотрим пример, показывающий, что некоррелированность и независимость не являются эквивалентными понятиями. Логически этот параграф
продолжает обсуждение, начатое в § 2.10. |
|
Рассмотрим случайную величину ξ, равномерно распределенную |
на |
[−π, π], и случайные величины η1 = cos ξ и η2 = sin ξ. Покажем, |
что |
cov(η1 ,η2 ) = 0 , но случайные величины η1 и η2 зависимы: |
|
65
|
|
π |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
π |
|
|
|
1 |
|
|
|
|
|
|
|
|
|||
M[η1 ] = ∫ |
cos x |
|
dx = 0, M[η2 ] = |
∫ sin x |
|
dx = 0 , |
|
|||||||||||||||||||||||||||||||
2π |
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
−π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−π |
|
|
2π |
|
|
|
|
|
|
|
|||||||
|
|
|
|
π |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
M[η1η2 ] = ∫ (cos x sin x) |
|
dx = |
|
∫sin 2xdx = 0 . |
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
4π |
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
−π |
|
|
|
|
|
|
|
|
|
2π |
−π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Тем самым, |
cov(η1 ,η2 ) = 0 и некоррелированность установлена. |
|||||||||||||||||||||||||||||||||||||
Рассмотрим теперь интервалы |
B |
= 0, |
1 |
|
|
и |
B |
= 0, 1 |
, и покажем, что |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
2 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
||||
P{η1 B1, η2 B2} ≠ P{η1 B1} P{η2 B2}. Действительно, |
|
|||||||||||||||||||||||||||||||||||||
P η |
0, |
|
1 |
|
|
|
= |
P ξ |
− |
|
π ,− π U |
π , π |
= |
1 |
2 π = |
1 |
, |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2π |
|
6 6 |
|
|
||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
2 3 |
|
3 2 |
|
|
|
|
|
|
|
|||||||||||||||||
P η |
|
0, |
1 |
|
= P ξ |
0, π U |
5π |
, |
π = |
1 |
2 π = |
1 |
, |
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2π |
6 6 |
|
|
|
|
||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
6 6 |
|
|
|
|
|
|
|||||||||||||||||||||
P η |
0, |
1 |
,η |
2 |
0, |
1 |
|
= P{ } = 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Так как 0 ≠ |
1 |
1 , то η1 и η2 − зависимые случайные величины. |
||||||||||||||||||||||||||||||||||||
|
|
6 |
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание 4.2. Мы рассмотрели пример случайных величин, которые, оче-
видным образом, являются функционально зависимыми: (η1 (ω))2 =1 − (η2 (ω))2 ,
но их коэффициент корреляции равен нулю: ρ(η1,η2 ) = 0 . Это резко контрастирует со случаем линейной зависимости между случайными величинами, которая имеет место тогда и только тогда, когда ρ(ξ, η) = 1 (см. § 2.10). Таким обра-
зом, можно сказать, что коэффициент корреляции отражает степень линейной зависимости между случайными величинами.
4.5.Преобразования случайных величин
4.5.1.Преобразования одной случайной величины
Пусть непрерывная случайная величина ξ имеет функцию Fξ(x) и плотность pξ(x) распределения. Построим с помощью функции g : R → R случайную
величину η = g(ξ). Требуется найти функцию распределения и, если существует, плотность распределения η.
Замечание 4.3. Плотность распределения случайной величины η = g(ξ) существует далеко не при любых функциях g. Так, если функция g кусочнопостоянна, то случайная величина η имеет дискретное распределение, и плотность ее распределения не существует. Плотность распределения pη(x) заведомо существует, если, например, функция g монотонна («строго монотонна»).
66
Предложение 4.5. Пусть ξ имеет функцию Fξ(x) и плотность pξ(x) распределения, и функция g : R → R монотонна. Тогда случайная величина η = g(ξ) имеет плотность распределения
pη(x) = |
|
(g −1 (x))′ |
|
pξ (g −1 (x)), |
(4.3) |
|
|
где g −1 ( ) − функция, обратная к g. #
Можно показать, что для нахождения числовых характеристик случайной величины η = g(ξ) достаточно лишь знание закона распределения аргумента:
∞ |
|
M[η] = M[g(ξ)] = ∫g(x) pξ (x)dx , |
(4.4) |
−∞ |
|
D[η] = D[g(ξ)] = ∞∫(g(x) − M[η])2 pξ (x)dx . |
(4.5) |
−∞ |
|
Пример 4.3. Найти плотность вероятности случайной величины η = aξ + b ,
где a ≠ 0 , ξ имеет функцию Fξ(x) и плотность pξ(x) распределения.
Решение. Согласно предложению 4.5 имеем:
ξ = |
η − b |
|
|
|
g −1 (x) = |
x − b |
, тогда |
(g −1 (x))′ = |
1 |
, отсюда по формуле (4.3) |
||||||||||
a |
|
|
|
a |
||||||||||||||||
|
|
|
|
|
|
|
|
|
a |
|
|
|
||||||||
плотность вероятности случайной величины η = aξ + b равна |
||||||||||||||||||||
pη(x) = |
|
1 |
|
|
pξ (g −1 (x))= |
|
|
1 |
|
|
pξ |
x − b |
. |
|
|
|
||||
|
|
|
|
|
||||||||||||||||
|
a |
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
a |
|
|
a |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 4.4. Найти математическое ожидание и дисперсию случайной ве-
личины η = 2 − 3sin ξ, |
если плотность распределения случайной величины ξ |
|||||||||||||||
есть pξ (x) = |
1 |
cos x на отрезке − |
π |
, π . |
|
|
|
|
||||||||
|
2 |
|
|
|
|
|||||||||||
2 |
|
|
|
|
|
|
|
2 |
|
|
|
|
||||
Решение. Используем формулы (4.4), (4.5): |
|
|
||||||||||||||
π/ 2 |
|
|
1 |
|
|
|
|
|
|
|
|
|
||||
M[η] = ∫ (2 − 3sin x) |
cos xdx = 2 , |
|
|
|
|
|||||||||||
|
|
|
|
|
||||||||||||
−π/ 2 |
2 |
|
|
|
|
|
|
|
|
|
||||||
D[η] = M[η2 ] − (M[η])2 = π∫/ 2 |
(2 |
− 3sin x)2 |
1 |
cos xdx − 22 = 7 − 4 = 3 . |
||||||||||||
2 |
||||||||||||||||
|
|
|
|
|
|
|
−π/ 2 |
|
|
|
|
|
|
|
||
Рассмотрим дискретную случайную величину ξ с рядом распределения |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ξ |
|
|
|
x1 |
|
|
x2 |
|
|
… |
xn |
|
|
|
|
|
P |
|
|
|
p1 |
|
|
p2 |
|
|
… |
pn |
|
Если различным возможным значениям случайной величины ξ соответствуют различные значения случайной величины η, то вероятности соответст-
67
вующих значений случайных величин ξ и η равны, т.е. если Р(ξ = хi) = pi, то и
P(η = ϕ(xi)) = pi .
Пример 4.5. Пусть имеем дискретную случайную величину ξ
|
ξ |
−2 |
3 |
5 |
и η = ξ2, то |
Р |
0,3 |
0,6 |
0,1 |
|
|
|
|
|
|
|
|
|
|
|
η |
4 |
9 |
25 |
|
P |
0,3 |
0,6 |
0,1 |
Если различным возможным значениям случайной величины ξ соответствуют значения η, среди которых есть равные между собой, то вероятности повторяющихся значений случайной величины η равны суммам вероятностей соответствующих значений случайной величины ξ.
Пример 4.6. Найти ряд распределения случайной величины η = ξ2, если
|
ξ |
−2 |
|
1 |
|
2 |
|
3 |
|
|||||
|
Р |
0,1 |
|
0,3 |
|
0,2 |
|
0,4 |
|
|||||
Решение. |
Поскольку |
P(η = 4) = P(ξ = −2) + P(ξ = 2) = 0,1 + 0,2 = 0,3; |
||||||||||||
P(η = 1) = P(ξ = 1) = 0,3; |
P(η = 9) = P(ξ = 3) = 0,4; то |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
η |
|
1 |
|
4 |
|
9 |
|
|
|
||
|
|
|
P |
|
0,3 |
|
0,3 |
|
0,4 |
|
|
4.5.2. Композиция законов распределений
Многие важные случайные величины представляются в виде сумм независимых слагаемых. Нижеследующее утверждение устанавливает, как распределение суммы связано с распределениями слагаемых. Вид закона распределения суммы случайных величин не совпадает с законами распределения слагаемых.
Определение 4.4. Композицией законов распределений называется преобра-
зование, по которому можно получить закон распределения суммы случайных величин на основе совместного закона распределения случайных величин.
Предложение 4.6. Пусть случайные величины ξ1 и ξ2 независимы и абсолютно непрерывны с плотностями pξ1 (x) и pξ2 (x) . Тогда
|
∞ |
|
pξ1+ξ2 |
(x) = ∫pξ1 ( y) pξ2 (x − y)dy . # |
(4.6) |
|
−∞ |
|
68
Замечание 4.4. Если f и g − абсолютно интегрируемые функции на R, то определена операция свертки функций f и g:
∞
( f g)(x) =& ∫ f ( y)g(x − y)dy .
−∞
Таким образом, предложение 4.6 гласит, что если ξ1 и ξ2 независимые случайные величины, имеющие плотность, то pξ1+ξ2 (x) = ( pξ1 pξ2 )(x) .
Предложение 4.7. Сумма произвольного числа независимых нормальных случайных величин имеет нормальное распределение. #
Рассмотрим часто используемые, функции от случайных величин.
Пример 4.7. (Композиция равномерных распределений). Даны независимые равномерно распределенные случайные величины ξ1 и ξ2 с параметрами l1 и l2. Требуется найти: а) совместный закон распределения случайных величин ξ1 и ξ2; б) закон распределения случайной величины ξ = ξ1 + ξ2.
Решение. Так как случайные величины ξ1 и ξ2 − независимые, то, учитывая следствие 4.3, совместная плотность распределения имеет вид:
|
|
|
|
|
|
|
|
1 |
|
x1 [0,l1 ], x2 [0,l2 ], |
pξ |
|
|
(x1 |
, x2 ) = pξ |
(x1 ) pξ |
|
|
|
, |
|
|
|
|
|
|||||||
,ξ |
|
|
(x2 ) = l l |
|
в противном случае. |
|||||
1 |
|
2 |
|
1 |
|
2 |
|
1 2 |
|
|
|
|
|
|
|
|
|
|
0, |
|
|
Пусть для определенности l1 ≤ l2. Тогда, согласно (4.6), плотность суммы
|
|
|
|
|
x |
|
, |
|
0 < x ≤ l1, |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
l l |
|
|
||||
|
|
|
|
1 2 |
|
|
|
|
||
|
∞ |
|
|
|
l |
|
|
|
|
|
pξ1+ξ2 |
(x) = ∫ |
pξ1 ( y) pξ2 |
(x − y)dy = |
|
1 |
, |
|
l1 < x ≤ l2 , |
||
|
|
|||||||||
|
−∞ |
|
|
|
l1l2 |
|
|
|
|
|
|
|
|
l1 |
+l2 |
− x |
, |
l2 < x ≤ l1 +l2 . |
|||
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
l l |
|
|
|||
|
|
|
|
1 2 |
|
|
|
|
Пример 4.8. (Композиция нормальных законов распределений). Применив аналогичные как в примере 4.5 рассуждения, получим, что плотность распреде-
ления суммы случайных величин ξ1 ~ N(a1, σ12 ) и ξ2 ~ N(a2 , σ22 ) равна
|
|
∞ |
|
|
|
|
|
|
|
|
|
1 x−a 2 |
|
|||
|
(x) = ∫pξ1 ( y) pξ2 (x − y)dy = |
|
1 |
− |
|
|
|
|
|
|||||||
|
|
|
|
|
||||||||||||
pξ1+ξ2 |
|
e |
2 |
σ |
= N(a,σ2 ) , |
|||||||||||
|
|
−∞ |
|
|
|
|
|
|
2πσ |
|
|
|
|
|
|
|
где a = a + a |
, σ2 |
= σ2 |
+ σ2 |
+ 2ρ |
ξ ξ |
|
σ σ |
2 |
, т.е. |
композиция нормальных законов |
||||||
1 |
2 |
|
1 |
2 |
|
2 |
1 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
распределения снова приводит к нормальному закону распределения.
Пример 4.9. (Распределение χ2−Пирсона). Распределением χ2−Пирсона с n
степенями свободы называется распределение суммы квадратов n независимых стандартных нормальных случайных величин:
69
|
n |
ξi ~ N (0,1) . |
χ2 |
(n) = ∑ξi2 , |
i=1
Плотности распределения случайных величин χ2(n) имеют вид:
|
|
|
1 |
|
|
|
n |
−1 |
− |
x |
, x ≥ 0, |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
x 2 |
e |
2 |
|||
|
n |
|
|
|
|||||||
|
|
n |
|
|
|
|
|
||||
f (x) = |
|
|
|
|
|
|
|||||
2 |
2 Γ |
|
|
|
|
|
|
||||
|
|
|
|
|
|||||||
|
|
|
2 |
|
|
|
|
|
|||
|
|
|
|
|
0, |
|
|
|
|
x < 0, |
|
|
|
|
|
|
|
|
|
|
∞
где Γ( p) = ∫e−z z p−1dz − гамма-функция.
0
Пример 4.10. (Распределение Стьюдента). Распределение Стьюдента было введено в 1908 г. английским статистиком В. Госсетом, публиковавшемся под псевдонимом «Стьюдент». Закону распределения Стьюдента с n степенями свободы удовлетворяет отношение
t(n) = |
|
ξ |
, |
|
χ2 |
(n) / n |
|||
|
|
где ξ − стандартная нормальная случайная величина, независимая от χ2. Плотность распределения Стьюдента равна
|
n + 1 |
|
|
|
|
|
|
n+1 |
||||||
|
Γ |
|
|
|
|
|
|
x |
2 |
|
− |
|
|
|
|
|
2 |
|
|
|
|
||||||||
|
|
|
|
2 |
|
|||||||||
pt(n) (x) = |
|
|
|
+ |
|
|
|
|||||||
n |
|
|
|
1 |
n |
|
. |
|||||||
|
|
|
|
|
|
|
|
|
||||||
|
Γ |
|
|
πn |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
При n → ∞ плотность распределения Стьюдента сходится к плотности стандартной нормальной случайной величины.
Пример 4.11. (Распределение Фишера). F−распределением Фишера с (m,n) степенями свободы называется распределение случайной величины, равное
F(m, n) = |
χ2 |
(m) / m |
. |
||
χ2 |
(n) / n |
||||
|
|
4.6. Многомерное нормальное распределение
Важнейшим примером совместного распределения нескольких случайных величин является многомерное нормальное распределение. Оно играет важную роль в теории вероятностей и часто возникает в различных приложениях.
Определение 4.5. Говорят, что набор случайных величин ξ = (ξ1,..., ξn )
имеет многомерное нормальное (или гауссовское) распределение, если найдутся вещественный вектор a = (a1,...,an ) , невырожденная вещественная n n − мат-
70