Chast_10_TV
.pdfМатематическое ожидание (среднее значение) случайной величины X
n |
Ґ |
M (X ) = еxi pi = mx |
mx = M (X ) = т x Ч f (x)dx |
i=1 |
-Ґ |
|
|
(для дискретной с. в.) |
(для непрерывной с. в.) |
|
|
Свойства математического ожидания
1)M (C) = C , C - const ;
2)M (CX ) = CM (X );
3)M (X ±Y ) = M (X ) ± M (Y ) , X и Y — любые с. в.;
4)M (X ЧY ) = M (X ) Ч M (Y ) , если X и Y — независимые с. в.
С.в. называются независимыми, если для любых x и y имеет место равенство P {X < x,Y < y} = P {X < x}Ч P {Y < y}.
Мода Mox дискретной |
Мода непрерывной с. в. — значение, при |
с. в. — ее наиболее вероят |
котором плотность вероятности макси |
ное значение |
мальна |
|
|
Медиана Mex непрерывной с. в. — такое значение с. в., для которого
P{X < Mex }= P{X > Mex }= 12 .
Характеристики рассеяния с. в. относительно среднего значения — дисперсия и среднее квадратичное отклонение (СКО) .
Дисперсия случайной величины X : |
D(X ) = Dx = M ((X - mx )2 ). |
|
Для вычислений удобна формула: Dx = M (X 2 ) - (mx )2 . |
||
|
|
|
n |
|
Ґ |
Dx = е(xi - mx )2 pi |
|
Dx = т (x - mx )2 f (x)dx |
i=1 |
|
-Ґ |
|
|
|
(для дискретной с. в.) |
|
(для непрерывной с. в.) |
|
|
|
261
Свойства дисперсии
1)D(C) = 0 , C - const ;
2)D(CX ) = C2D(X ) ;
3)D (X ±Y ) = D (X ) + D (Y ) , X и Y — независимые с. в.
Среднее квадратическое отклонение (СКО): s(X ) = sx = |
Dx . |
|||
Моменты случайных величин |
|
|
||
|
|
|
|
|
|
|
n |
|
|
|
|
as (X ) = еxis pi |
|
|
Начальный момент порядка s |
|
i =1 |
|
|
|
(для дискретной с. в.) |
|||
с. в. Х — математическое ожида |
||||
ние |
|
Ґ |
|
|
с. в. X s : as (X ) = M (X s ). |
|
as (X ) = т x s f (x )dx |
||
|
|
-Ґ |
|
|
|
|
(для непрерывной с. в.) |
||
|
|
|
|
|
|
|
n |
|
)s pi |
|
|
as (X ) = е(xi - mx |
||
|
|
i =1 |
|
|
Центральный момент |
|
(для дискретной с. в.) |
||
порядка s |
). |
|
|
|
|
|
|
||
s |
|
s |
|
|
с. в. Х: ms (X ) = M ((X - M (X )) |
Ґ |
|
||
|
|
as (X ) = т (x - mx ) f |
(x)dx |
|
|
|
-Ґ |
|
|
|
|
(для непрерывной с. в.) |
||
|
|
|
|
|
Основные законы распределения случайных величин и их числовые характеристики
Название |
Формула |
M (X ) |
D(X ) |
Примечания |
|
|
|
|
|
Биноми |
Pn (X = k) =Cnk pkqn-k |
|
|
0 Ј k Ј n |
альное рас |
np |
npq |
|
|
пределение |
|
|
|
|
|
|
|
|
|
262
Распреде |
lk |
|
|
|
ление |
-l |
l |
l |
|
Пуассона |
P (X = k) = k! e |
|
|
|
Равномер |
м 0, x |
< a, x > b, |
b + a |
|
(b - a) |
2 |
м0, x < a, |
|
|
|
||||||||||||||||||||||||||
ное распре |
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||||||||||||
п |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
п |
|
a |
|
|
|
|
|
|
|||||||||||||
деление |
f (x) = н |
1 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
п x |
|
|
|
|
|
|
|||||||||
|
, a Ј x Ј b. |
12 |
|
F (x) = н |
|
|
, a |
|
Ј x Ј b, |
|||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
п |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
п |
b |
a |
|
|
|
|
|
|
||
|
|
|
|
|
оb a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
п1, x > b. |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
||
Показа |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
тельное |
|
|
мle-lx , x і 0, |
1 |
1 |
|
|
|
м1 - e-lx , x і 0, |
|||||||||||||||||||||||||||
распределе |
f (x) = н |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F (x) = |
н |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
l |
|
|
l |
2 |
|
|
|
|
|
|
|
|
|||||||||||||||
|
ние |
|
|
|
|
о0, x < 0, |
|
|
|
|
|
|
|
|
|
|
о0, x < 0. |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
Нормаль |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
ное распре |
|
|
1 |
|
|
|
-( |
x-m |
2 |
m |
|
|
s2 |
|
|
1 |
|
ж |
|
х - m ц |
||||||||||||||||
f (x) = |
|
|
|
|
|
2) |
|
|
|
F (x) |
|
|
|
|||||||||||||||||||||||
деление |
|
|
|
|
e |
|
|
2s |
|
|
|
|
|
|
|
|
= |
|
|
+Ф з |
|
|
|
|
ч |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
s |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
N (m,s) |
|
|
s 2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
и |
|
|
ш |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Стандарт |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
ное нор |
|
|
|
|
|
|
|
|
|
|
x 2 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||||||
мальное |
|
|
|
|
|
1 |
|
|
|
- |
|
|
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
распределе |
f (x) = |
|
|
e |
|
|
|
|
|
|
|
|
|
|
|
F (x) = 2 |
+Ф (x) |
|
||||||||||||||||||
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
ние |
N |
( |
0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
Сумма квадратов независимых с. в. Х1, Х2,..., Хn , распре |
|
||||||||||||||||||||||||||||||
|
|
|
|
|
деленных по стандартному нормальному закону |
N |
( |
0,1 |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
) , |
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
распределена по закону, называемому «хи–квадрат с n |
|
||||||||||||||||||||||||||||||
Распреде |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
степенями свободы»: c2 = еXi2 . |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
ление-c |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Если эти величины связаны одним линейным соотноше |
|||||||||||||||||||||||||||||||||||
(Пирсона) |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
нием, например, еXi = nX , число степеней свободы |
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
уменьшается, k = n -1. |
|
|
|
|
|
|
|
|
|
|
263
|
— с. в., распределенная по закону |
|
( |
) , а |
|
— неза |
||||||||||
Z |
|
|
|
|
|
|
|
|
|
|
|
N |
|
0,1 |
V |
|
висимая от Z с. в., распределенная по закону c2 |
с k сте |
|||||||||||||||
t — рас |
|
пенями свободы. Величина |
|
|
||||||||||||
|
t = |
Z |
|
|
= |
|
Z |
|
|
|
|
|
|
|||
пределение |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
c2 |
|
|
|
|
|
|||||||
Стьюдента |
|
|
V |
|
|
|
|
|
|
|||||||
|
|
|
k |
|
|
k |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||||
распределена по закону, называемому t — распределением |
||||||||||||||||
|
Стьюдента с k степенями свободы. |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|||||||||
Если независимые с. в. U и V распределены по закону |
||||||||||||||||
|
c2 с k1 |
и k2 степенями свободы соответственно, |
||||||||||||||
F — рас |
|
то величина |
|
|
|
|
|
|||||||||
|
|
|
|
жU |
|
ц |
|
|
|
|
|
|||||
пределение |
|
|
|
|
з |
|
ч |
|
|
|
|
|
||||
|
F = |
и |
k1 ш |
|
|
|
|
|
||||||||
Фишера — |
|
|
|
|
|
|
|
|
|
|||||||
|
жV |
|
ц |
|
|
|
|
|
|
|||||||
Снедекора |
|
|
|
|
з |
|
ч |
|
|
|
|
|
||||
|
|
|
|
|
и |
k2 ш |
|
|
|
|
|
распределена по закону, называемому распределением Фишера — Снедекора со степенями свободы k1 и k2 .
Закон распределения функции от одной случайной величины
Если дискретная с. в. X имеет ряд распределения
|
X |
|
x1 |
x2 |
|
x3 |
|
... |
|
|
P |
|
p1 |
p2 |
|
p3 |
|
... |
|
и задана монотонная функция y = g |
(x) , то дискретная с. в. Y = g (X ) , |
||||||||
|
|
являющаяся функцией X , имеет ряд распределения |
|
|
|||||
|
Y |
|
g(x1) |
g(x2) |
g(x3) |
... |
|
||
|
P |
|
p1 |
p2 |
|
p3 |
... |
|
Если y = g (x) — немонотонная функция, то среди ее значений g (x1 ) , g (x2 ) , g (x3 ) , … могут быть равные. В этом случае столбцы с равными
значениями g (xi ) объединяют в один столбец, а соответствующие ве роятности складывают.
264
Пусть непрерывная с. в. X имеет плотность распределения fX (x ) ; если функция y = g (x) монотонна, то с. в. Y = g (X ) имеет плотность распределения
fY (y ) = fX (g -1 (y))Ч (g -1 (y))ў ,
где x = g -1 (y) — функция, обратная к y = g (x) .
В случае, если y = g (x) немонотонна, для нахождения fY ( y ) область определения y = g (x) нужно разбить на промежутки монотонности, на каждом участке найти обратную функцию, найти вклад в плотность вероятности fY ( y ) от каждого участка и результаты сложить:
n |
(y))Ч |
|
(gi -1 (y))ў |
|
|||||||
|
|
||||||||||
fY (y ) = е fX (gi -1 |
|
. |
|||||||||
i =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Двумерные случайные величины |
|
|
|||||||||
|
|
|
|
||||||||
Пусть на одном и том же пространстве элементарных событий |
|||||||||||
{ } заданы случайные величины |
|
( |
|
) и |
|
( |
|
) , то говорят, что |
|||
W = w |
X |
|
w |
|
|
|
Y |
|
w |
|
|
задана двумерная случайная величина (X (w),Y (w)) , или случайный вектор Z (w) = (X (w),Y (w)) . Геометрическая интерпретация двумер ной с. в. — это случайная точка на плоскости с координатами (X ,Y ) , или случайный вектор OM .
Функция распределения двумерной с. в. (X ,Y ) определяется соотно шением F (x, y) = P{X < x,Y < y} и геометрически определяет вероят ность попадания случайной точки (X ,Y ) в бесконечный квадрант
с вершиной в точке (x, y) , лежащей левее и ниже ее.
Закон распределения дискретной двумерной с. в. может быть задан с помощью таблицы
yi |
y1 |
y2 |
… |
ys |
|
xi |
|||||
|
|
… |
|
||
x1 |
p11 |
p12 |
p1s |
||
x2 |
p21 |
p22 |
… |
p2s |
|
… |
… |
… |
… |
… |
|
xk |
pk1 |
pk 2 |
… |
pks |
где pij = P {X = xi ,Y = y j } — вероятность того, что случайная величи
на X примет значение xi , а случайная величина Y — значение y j , pij і 0 , при этом ееpij =1 .
i j
265
Для двумерной с. в. (X ,Y ) дискретного и непрерывного типа функции распределения соответственно равны
F (x, y ) = е е pij |
|
( |
|
) |
|
x y |
|
( |
|
) |
|
||
F |
x, y |
= |
т т |
f |
u,v |
dudv, |
|||||||
x |
<x y |
<y |
|
|
|
|
|
|
|||||
i |
j |
|
|
|
|
|
|
-Ґ -Ґ |
|
|
|
|
|
где f (x, y ) |
— плотность вероятности величины (X ,Y ) . |
Свойства плотности вероятности
1)f (x, y ) і 0 ;
ҐҐ
2)т т f (x, y)dxdy = 1;
-Ґ -Ґ
3)f (x, y) = Fxyўў (x, y) ;
4)вероятность попадания случайной точки (X ,Y ) в область D равна
P {(X ,Y )О D}= тт f (x, y)dxdy
D
Случайные величины X и Y называются независимыми, если
F (x, y) = FX (x) Ч FY (y) .
Для непрерывных независимых с. в. двумерная плотность вероятно сти f (x, y) = fX (x) Ч fY (y) .
Математические ожидания и дисперсии случайных величин X и Y , входящих в двумерную величину, определяются по формулам:
Для дискретных X и Y |
|
|
|
Для непрерывных X и Y |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M (X ) = mX = ееxi pij |
|
|
|
( |
|
|
) |
|
|
|
Ґ Ґ |
|
|
( |
|
|
|
|
|
|||||
M |
X |
= m |
= |
т т |
xf |
x, y |
dxdy |
|||||||||||||||||
|
|
i |
j |
|
|
|
|
|
|
|
X |
|
|
|
|
|
) |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-Ґ -Ґ |
|
|
|
|
|
|
|
|
|
( ) |
Y |
ее |
j ij |
|
|
|
M Y = |
Ґ Ґ |
yf |
x, y dxdy |
||||||||||||||
|
|
|
|
|
||||||||||||||||||||
M Y |
= m = |
|
|
y p |
|
|
|
|
|
|
( |
) |
|
т т |
|
( |
|
|
) |
|
|
|
||
|
|
i j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
-Ґ -Ґ |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D (X ) = DX = ее(xi |
- mX )2 pij |
|
|
|
|
|
|
|
Ґ Ґ |
|
|
|
|
|
|
|
|
|
|
|
||||
D |
( |
X |
) |
= |
т т ( |
x - m |
|
2 |
f |
( |
x, y |
dxdy |
||||||||||||
|
i |
j |
|
|
|
|
|
|
|
|
|
X ) |
|
|
|
|
) |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
-Ґ -Ґ |
|
|
|
|
|
|
|
|
|
|
|
266
( |
) |
|
|
ее |
|
|
|
|
|
2 |
|
|
|
|
|
( ) |
|
Ґ Ґ |
Y ) |
|
( |
|
|
) |
|
|||
= D |
= |
|
y - m |
|
|
|
|
|
|
т т ( |
2 |
|
|
|
||||||||||||||
D Y |
|
|
|
|
|
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
( |
|
|
|
Y ) |
|
|
|
|
|
|
D Y |
= |
|
y - m |
f |
x, y dxdy |
|||||
|
|
Y |
|
i |
j |
|
j |
|
|
ij |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
-Ґ -Ґ |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Средние квадратичные отклонения случайных величин X и Y |
||||||||||||||||||||||||||||
|
|
|
|
|
( |
|
|
) |
|
X |
|
|
|
( |
|
|
) , |
( ) |
|
Y |
( ) . |
|
|
|
|
|
||
|
|
|
|
s |
|
X |
|
= s |
|
= |
|
D |
|
X |
|
s |
Y |
= s = |
D Y |
|
|
|
|
|
|
|||
Точка (mX |
,mY ) называется центром рассеивания двумерной случайной |
|||||||||||||||||||||||||||
величины |
(X ,Y ) и описывает положение средней точки, около кото |
|||||||||||||||||||||||||||
рой группируются случайные точки ( |
X ,Y |
) . Дисперсии |
|
( |
|
) , |
( ) |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D |
|
X |
|
D Y |
и соответствующие СКО описывают степень рассеяния случайных точек.
Корреляционный момент с. в. (X ,Y ) (момент связи, ковариация) — сме шанный центральный момент второго порядка:
KXY = cov (X,Y ) = m1,1 = M ((X - mX )(Y - mY )). Для дискретной с. в. (X ,Y )
k |
s |
K XY = ее(xi - mX )(y j - mY ) pij , |
|
i =1 |
j =1 |
для непрерывной с. в. (X ,Y ) |
|
Ґ Ґ |
|
K XY = т т (x - mX )(y - mY ) f (x, y)dxdy . |
-Ґ -Ґ
Для вычисления ковариации удобно использовать формулу
KXY = cov (X,Y ) = M (XY ) - M (X )Ч M (Y ) .
Свойства ковариации
1.Ковариация симметрична: KXY = KYX .
2.Постоянный множитель можно выносить за знак ковариации:
cov (cX ,Y ) = c Ч cov (X ,Y ) = cov (X ,cY ) . 3. Ковариация не изменится, если к случай
ным величинам добавить постоянные:
cov (X + a,Y ) = cov (X ,Y + b) = cov (X + a,Y + b) = cov (X ,Y ) .
4.Дисперсия с. в. есть ее ковариация с самой собой, DX = KXX .
5.Дисперсия суммы (разности) двух с. в. равна сумме их дисперсий плюс (минус) их удвоенная ковариация:
D(X ±Y ) = DX + DY ± 2KXY .
6. Если случайные величины X и Y независимы, то KXY = 0 .
Ковариация двух с. в. по абсолютной величине не превосходит произ ведения их средних квадратичных отклонений,
K XY Ј sx Ч sy .
267
Из свойства 6 следует, что если KXY № 0 , то с. в. X и Y зависимы. Если KXY № 0 , с. в. X и Y называют коррелированными. Однако из условия KXY = 0 не следует независимость с. в. X и Y . Если KXY = 0 , с. в. X и Y называют некоррелированными. Из независимости следует некоррелированность, обратное утверждение неверно, из некоррели рованности независимость не следует.
Из определения ковариации видно, что она описывает и степень рассеяния с. в. X и Y , и связь между этими величинами. Для того чтобы исключить влияние рассеяния и оценить только степень зависимости, вводят
коэффициент корреляции rXY |
= |
cov (X ,Y ) |
= |
K XY |
. |
||
|
|
||||||
|
|
s |
s |
|
s |
s |
|
|
|
|
X Y |
|
|
X Y |
Свойства коэффициента корреляции
1.rXY Ј1 .
2.Для независимых с. в. rXY = 0 .
3.Если с. в. X и Y связаны линейной функциональной зависи
мостью, Y = aX + b, a № 0 , то |
|
rXY |
|
= 1, причем rXY = 1 при a > 0 и |
||||
|
|
|||||||
|
|
|
|
rXY = - |
1 при a < 0 . |
|||
4. Если |
|
rXY |
|
= 1, то с. в. X и Y связаны линейной функциональной |
||||
|
|
|||||||
|
|
|
|
зависимостью. |
Коэффициент корреляции rXY является мерой линейной связи между
случайными величинами: если с. в. независимы, rXY = 0 , если |
|
rXY |
|
= 1, |
|||||||||
|
|
||||||||||||
с. в. связаны линейной зависимостью, при |
|
rXY |
|
№ 1 зависимость |
|
носит |
|||||||
|
|
|
|||||||||||
иной характер. Чем больше |
|
rXY |
|
, тем больше |
|
|
|
связь между X и Y по |
|||||
|
|
|
|
|
|||||||||
хожа на линейную. При rXY |
|
|
> 0 |
|
говорят о положительной корреляции |
||||||||
между X и Y , при rXY |
< 0 — об отрицательной корреляции. |
Условные законы распределения
Если с. в. X и Y , образующие двумерную с. в. (X ,Y ), зависимы, для характеристики этой зависимости вводят понятие условного распре деления. Напомним определение условной вероятности:
P (B |
|
A) = |
P (AB) |
. |
|
||||
|
P (A) |
|||
|
268
Условным законом распределения с. в. X , входящей в систему с. в.
(X ,Y ), называется ее закон распределения, найденный при усло вии, что вторая с. в. Y приняла определенное значение (или попала в определенный интервал).
Для дискретной двумерной случайной величины
X = {x1, x2,..., xk } , Y = {y1, y2,..., ys }, i = 1,2,...,k; j = 1,2,...,s .
Безусловные вероятности компонент:
Pxi = P (X = xi ) |
|
s |
|
(X |
||||
= еP |
||||||||
|
|
|
|
|
j =1 |
|
|
|
|
j |
( |
j ) |
|
k |
|
( |
|
|
= |
е |
|
|
||||
Py |
|
= P Y = y |
|
|
P |
|
X |
i =1
s
= xi ;Y = y j ) = е pij ,
j =1
k
= xi ;Y = y j ) = е pij .
i =1
Условные вероятности компонент:
P (xi |
|
|
|
y j ) = P (X = xi |
|
|
Y = y j ) = |
P (X = xi ;Y = y j ) |
= |
|
pij |
|
|
, |
|
|
||
|
|
|
|
|
||||||||||||||
|
|
|
||||||||||||||||
|
|
|
P Y = y |
j ) |
Py |
j |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
( |
|
|
|
|
|
|
|||
P (y j |
|
xi ) = P (Y = y j |
|
X = xi ) = |
P (X = xi ;Y = y j ) |
= |
|
pij |
. |
|
|
|||||||
|
|
|||||||||||||||||
|
|
|
P (X = xi ) |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Pxi |
|
|
|
||||
Если безусловные и условные вероятности (Pxi |
и , Py j и P (y j |
|
xi )) |
|||||||||||||||
|
отличаются, величины X и Y зависимы, если совпадают — независимы.
Для непрерывной случайной величины (X ,Y ) с плотностью f (x, y )
суммы заменяются интегралами.
Безусловные плотности распределения компонент X и Y
f1 (x ) = т-ҐҐ f (x, y )dy , f2 ( y ) = т-ҐҐ f (x, y )dx .
269
Условная плотность распределения (или плотность вероятности условного распределения) с. в. X при условии, что с. в. Y = y :
f (x |
|
y ) = |
f (x, y ) |
= |
|
f (x, y ) |
, f2 ( y ) № 0 |
|
|
||||||
|
f2 ( y ) |
Ґ |
|
||||
|
|
|
|
т-Ґ |
f (x, y )dx |
Условная плотность обладает всеми свойствами плотности распреде ления:
f (x y ) і 0, т-ҐҐ f (x y )dx = 1 .
Аналогично определяется условная плотность распределения с. в. Y при условии, что с. в. X = x :
f ( y |
|
x) = |
f (x, y ) |
= |
f (x, y ) |
, f1 ( y ) № 0 . |
|
||||||
|
f1 (x) |
Ґ |
||||
|
|
|
|
т-Ґ f (x, y )dy |
|
|
|
|
|
|
|
|
Соотношения для условных плотностей могут быть записаны в виде:
f (x, y ) = f1 (x ) Ч f (y x ) = f2 (y ) Ч f (x y ) .
Числовые характеристики условных распределений
Условное математическое ожидание случайной величины X
|
|
|
|
при Y = y , |
|||||||
|
|
где y — одно из возможных значений с. в. Y |
|||||||||
для дискретной с. в. |
|
|
для непрерывной с. в. |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M (X |
|
Y = y) = Ґт xf (x |
|
y)dx , |
||
|
|
|
|
|
|
|
|||||
|
|
k |
|
|
|
|
|
|
-Ґ |
||
|
|
|
|
|
|
|
|
|
|
|
|
M (X |
|
Y = y) = еxi p(xi |
|
y) |
где f (x |
|
y ) — условная плот |
||||
|
|
||||||||||
|
|
|
|||||||||
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
ность распределения. |
|||||||
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
Условное математическое ожидание M (X y) является функцией y :
M (X y) = j(y) ,
которую называют функцией регрессии X на Y .
270