архив прош.сесий / архив прош.сесий / L_7_2014_MMS_Bazova
.pdf1
ДЕРЖАВНИЙ УНІВЕРСИТЕТ ТЕЛЕКОМУНІКАЦІЙ
Кафедра вищої математики
ЗАТВЕРДЖУЮ Завідувач кафедри ______________
О. В. Барабаш "___" _____________20___ року
ЛЕКЦІЯ
з навчальної дисципліни
Математичні методи в соціології
Тема 1. Вступ до курсу “Математичні методи в соціології ”. Базовий матеріал до курсу із теорії ймовірностей: Випадкові величини одно-та двовимірні
Лекція 7. Числові характеристики двовимірної випадкової величини та умовних розподілів
її компонент, формули розрахунку.
Навчальний час – 1,5 годин.
Для студентів Навчально-наукового інституту Гуманітарних технологій за напрямом підго-
товки 402 соціологія, освітньо-кваліфікаційного рівня бакалавр, спеціальністю 6.040201 ”соціологія
Навчальна та виховна мета: 1. Ознайомлення з основними числовими характеристиками (невипадковими) двовимірної випадкової величини двовимірної випадкової величини та формулами їхнього розрахунку.
2. Навчити студентів застосувати подані формули для розв’язання прикладів.
Обговорено та схвалено на засіданні кафедри
“___” _________ 20___ року Протокол №____
Київ – 20__
2
Зміст
Вступ
1.Моменти розподілу випадкової величини. Основні числові характеристики двовимірної випадкової величини: “центр розподілу”; міра розсіяння випадкової величини навколо “центру розподілу”; кореляційний момент (коваріація) та коефіцієнт кореляції
2.Формули розрахунку числових характеристик двовимірної дискретної випадкової вели-
чини, заданої матрицею розподілу, та неперервної випадкової величини, заданої густиною розпо-
ділу.
3. Формули розрахунку числових характеристик умовного розподілу компоненти двовимір-
ної випадкової величини, дискретної та неперервної: умовне математичне очікування і умовна ди-
сперсія компоненти.
4. Властивості коефіцієнта кореляції. Корельовані (залежні) та некорельовані випадкові ве-
личини.
Заключна частина.
Л I Т Е Р А Т У Р А
1. Барковський В.В., Барковська Н.В., Лопатін О.К. Теорія імовірностей та математична статистика. К.:ЦНЛ, – 2006 – 424 с.
Наочні посібники
Завдання на самостійну роботу
1.Вивчити матеріал лекції за підручником [1] (стор. 126-128) та наступним текстом лек-
ції.
Вступ – в лекції розглядається базовий матеріал до курсу “Математичні методи в соціоло-
гії ”із теорії ймовірностей: Поняття моментів та основних числових характеристик двовимірної випадкової величини: “центр розподілу”, міра розсіяння випадкової величини навколо “центру розподілу”, кореляційний момент (коваріація) та коефіцієнт кореляції, а також і числові характери-
стики умовних розподілів.
1. Моменти розподілу випадкової величини. Основні числові характеристики двовимірної випадко-
вої величини: “центр розподілу”; міра розсіяння випадкової величини навколо “центру розподі-
лу”; момент кореляції (коваріація) та коефіцієнт кореляції
Закон розподілу повністю характеризує двовимірну випадкову величину (у випадку дис-
кретної випадкової величини функція F(x;y) розподілу або таблиця розподілу, а для неперерв-
ної випадкової величини – функція F(x;y) розподілу оба густина f(x,у) розподілу), проте закон
3
розподілу часто є невідомим. На практиці немає потреби так докладно описувати випадкову ве-
личину, – достатньо знати лише певні параметри, які несуть про неї істотну інформацію. Ці пара-
метри є невипадковими числовими характеристики випадкової величини. Розглянемо найважли-
віші з них. Попередньо дамо поняття моментів розподілу двовимірної випадкової величини.
Означення 1. Початковим моментом порядку k r системи X ,Y випадкових величин
називається величина
|
|
k , r M X k Y r , |
(1) |
тобто, математичне очікування добутку значень компонентів у відповідних степенях. |
|
||
Якщо k 1, r 0 , |
маємо 1,0 |
M ( X ) – математичне очікування компоненти Х; |
при |
k 0, r 1 дістаємо 0,1 M (Y ) – математичне очікування компоненти Y. Ці два моменти є характеристиками положення на координатній площині ОХY “центру розподілу” двомірної випа-
дкової величини (Х;Y).
Означення 2. Центральним моментом порядку k r називається величина
μk ,r M X M ( X ) k Y M (Y ) r , |
(2) |
тобто математичне очікування добутку значень відхилень компонентів у відповідних степенях.
При значеннях k 2, r 0 дістанемо |
2,0 |
X M ( X ) 2 D( X ) , отже маємо диспер- |
|
|
|
|
|
сію компоненти Х. Якщо навпаки, k 0, a r 2 , то |
0,2 M Y M (Y ) 2 D(Y ) . Ці два |
моменти є характеристиками міри розсіяння двомірної випадкової величини навколо її “центру розподілу”.
При k 1 i r 1 отримаємо мішаний центральний момент 2-го порядку |
|
μ1,1 M X M ( X ) Y M (Y ) rXY , |
(3) |
де введено позначення rXY – момент кореляції (коваріація) випадкових величин Х і Y, який мож-
на обчислити також і за формулою: |
|
μ1,1 M ( X Y ) M ( X ) M (Y ) rXY , |
(4) |
що неважко отримати після розгорнення добутку у формулі (3) і подальшого застосування власти-
востей математичного очікування.
4
Із формули (4) на підставі властивості математичного очікування добутку незалежних ви-
падкових величин дійдемо висновку:
для незалежних випадкових величин момент кореляції дорівнює нулю.
Але як побачимо далі, обернене твердження не завжди справджується, а саме: момент ко-
реляції характеризує міру лише лінійної залежності між випадковими величинами. Тобто, якщо мо-
мент кореляції дорівнює нулю, випадкові величини можуть перебувати в певній залежності, яка, од-
наче, є відмінною від лінійної.
Зауваження 1. Термін коваріація: ко(спільна)+варіація(зміна). Термін кореляція: correlation –
співвідношення латин., для позначення взаємозалежності.
Оскільки момент кореляції (4) має розмірність добутку компонентів випадкової величини, зручніше користуватися безрозмірним коефіцієнтом кореляції
KXY |
|
rXY |
. |
(5) |
||
σ X |
σY |
|||||
|
|
|
|
де в знаменнику міститься добуток середньоквадратичних відхилень кожної компоненти.
2. Формули розрахунку числових характеристик двовимірної дискретної випадкової величини, за-
даної матрицею розподілу, та неперервної випадкової величини, заданої густиною розподілу
Нехай закон розподілу двовимірної дискретної випадкової величини (Х;Y), величина ком-
поненти Х якої може набувати m різних значень, а компоненти Y відповідно – n значень, задано таблицею розподілу. Формули розрахунку числових характеристик двовимірної неперервної ви-
падкової величини можна відтворити на основі відповідних формул для дискретної випадкової величини із заміною сум дискретних доданків на інтегральні суми, з урахуванням того, що
імовірність потрапляння неперервної випадкової величини в елементарну область є
„елемент ймовірності”, рівний f(x;y) dxdy.
У формулах розрахунку використано такі позначення: рij=P(X=xi;Y=yj) – ймовірності із таблиці розподілу величини (Х;Y);
рxi=P(X=xi) – ймовірності із ряду розподілу компоненти Х,
дії (X=xi), знайдена за умови, що подія (Y=yj) відбувається;
рyj=P(Y=yj) – ймовірності із ряду розподілу компоненти Y, рxi(yj)) –умовна ймовірность
події (Y=yj), знайдена за умови, що подія (X=xi) відбувається;
f1(x) та f1у(x,y) – густина розподілу та густина умовного розподілу компоненти X; f2(y) та f2х(x,y) – густина розподілу та густина умовного розподілу компоненти Y.
5
Отже, для основних числових характеристик дискретних та неперервних двовимірних випадкових величин (Х, Y, ) мають місце такі формули розрахунку:
математичне очікування для кожної з компонент – точка з координатами (М(Х);М(Y)) є “центр
розподілу” випадкової величини (Х;Y)
m |
n |
m |
|
|
|
|
M X |
xi pij |
xi pxi |
|
M ( X ) x f (x; y)dxdy x f1(x)dx , |
(6) |
|
i 1 |
j 1 |
i 1 |
|
|
|
|
m |
n |
n |
|
|
|
|
M Y |
y j pij |
y j pyj |
|
M (Y ) y f (x; y)dxdy y f1( y)dy ; |
(7) |
|
i 1 |
j 1 |
j 1 |
|
|
|
|
диспесія та середнє квадратичне відхилення для кожної з компонент – міра розсіяння випадко-
вої величини навколо “центру розподілу”
|
m |
n |
m |
|
|
|
|
|
|
|
|
|
|
D X M X 2 M 2 X xi2 pij M 2 X xi2 pxi M 2 X |
|
|
|
|
|
|
|
|
|||||
|
i 1 |
j 1 |
i 1 |
|
|
|
|
|
(8) |
||||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
D( X ) x2 |
f (x; y)dxdy M 2 X |
x2 f1(x)dx M 2 |
X , |
σ X σx |
|
D X |
, |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
n |
n |
|
|
|
|
|
|
|
|
|
|
D Y M Y 2 M 2 Y y2j pij M 2 Y y2j pyj M 2 |
Y |
|
|
|
|
|
|
|
|
||||
|
i 1 |
j 1 |
j 1 |
|
|
|
|
|
(9) |
||||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
D(Y ) y2 |
f (x; y)dxdy M 2 Y y2 f2 ( y)dx M 2 |
Y , |
σ Y σ y |
|
|
|
|
; |
|||||
|
D Y |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
момент кореляції (коваріація) та коефіцієнт кореляції системи (Х;Y) |
випадкових величин |
||||||||||||
|
|
m |
n |
|
|
|
|
|
|
|
|
|
|
rXY M ( X Y ) M ( X ) M (Y ) xi y j pij M ( X ) M (Y ) |
|
|
|
|
|
|
|
|
|
||||
|
|
i 1 |
j 1 |
|
|
|
|
|
(10) |
||||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
rXY |
|
|
|
||
rXY M ( X Y ) M ( X ) M (Y ) |
xy f ( x; y)dxdy M ( X ) M (Y ); |
K XY |
|
|
. |
||||||||
|
|
||||||||||||
|
|
|
|
|
|
|
|
σ X σY |
3. Формули розрахунку числових характеристик умовного розподілу компоненти системи випад-
кових величин: умовне математичне очікування і умовна дисперсія компоненти
Для умовних законів розподілу компонент двовимірної випадкової величини (Х;Y)
розглядають числові характеристики – умовне математичне очікування і умовну дисперсію, які обчислюють за формулами, вказаними нижче як для дискретної, так і для неперервної випадкової
6
величини (аналогія відповідних формул є наглядною –суми та ймовірності дискретних значень еквівалентні інтегральним сумам та відповідно „елементам ймовірностей”):
умовне математичне очікування компоненти Х
M yj X xi |
pyj |
(xi ) xi |
рij |
|
1 |
|
xi рij |
|
|
m |
|
, j 1, 2,..., n |
|
|||||
|
|
|
i 1m |
|
||||||||||||||
m |
|
m |
|
|
|
|
|
|
|
m |
|
|
|
xi |
рij |
|
|
|
i 1 |
|
i 1 |
|
pyj |
|
|
pyj i 1 |
|
|
|
pij |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
(11) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f |
x; y |
|
|
x f x; y dx |
|
||||||||
M у X x f1 y x, у dx= |
x |
dx |
|
|
|
|
|
; |
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||||||
f |
2 y |
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
f x; y dx |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
умовне математичне очікування компоненти Y
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
n |
рij |
|
|
1 |
|
n |
|
|
y j рij |
|
|
|
|
|
|
|
||||||||
M xi Y y j pxi ( y j ) y j |
|
|
|
y j рij |
|
j 1 |
|
, |
|
|
i 1, 2,..., m |
|||||||||||||||||||
pxi |
|
|
|
|
n |
|
||||||||||||||||||||||||
|
|
j 1 |
|
|
|
j 1 |
|
pxi j 1 |
|
|
pij |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f x; y |
|
|
y f x; y dy |
|
|
||||||||||||||||||
M x Y y f2 x х, y dy= y |
dy |
|
|
|
|
|
|
|
|
|
|
; |
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
f1 |
x |
|
|
|
f x; y dy |
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
умовна дисперсія та умовне середньоквадратичне відхилення компоненти Х |
||||||||||||||||||||||||||||
Dyj X M уj ( X 2 ) M yj2 ( X ) xi2 pyj (xi ) M yj2 xi2 |
|
|
рij M yj2 ( X ) |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
i 1 |
|
|
pyj |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
m |
|
|
|
xi2 рij |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
|
2 |
|
i 1 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
pyj |
xi рij |
M yj ( X ) |
|
m |
|
M yj |
( X ); σ yj |
X |
|
|
|
Dyj X , |
j 1, 2,...n |
||||||||||||||||
|
i 1 |
|
|
|
pij |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f x; y |
|
||||||||
Dу X M у ( X 2 ) M y2 ( X ) x2 f1 y x, у dx M y2 ( X )= x2 |
|
dx M y2 ( X ) |
||||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f2 |
y |
||||||
|
|
|
|
|
x; y dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
x2 f |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
X |
|
|
Dy X ; |
|
|
|||||||||
|
|
|
|
|
|
|
|
M y ( X ), σ y |
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
f x; y dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(12)
(13)
7
умовна дисперсія та умовне середньоквадратичне відхилення компоненти Y
Dxi Y |
M xi (Y 2 ) M xi2 (Y ) y2j pxi |
( y j ) M xi2 (Y ) y2j рij |
M xi2 (Y ) |
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
j 1 |
|
|
pxi |
|
|
|
||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
n |
|
|
|
|
y2j рij |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2 |
|
j 1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
y j рij |
M xi (Y ) |
|
|
M xi |
(Y ), σ xi Y Dxi |
Y , |
i 1, 2,...m |
||||||||||
pxi |
n |
||||||||||||||||||||
|
j 1 |
|
|
|
pij |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
|
|
(14) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f x; y |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Dx Y M x (Y 2 ) M x2 (Y ) y2 f2 x х, y dx M x2 (Y )= y2 |
|
dx M x2 |
(Y ) |
||||||||||||||||||
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f2 y |
|
||||
|
|
|
|
f x; y dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
y2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
2 |
(Y ), σ x Y |
|
Dx Y . |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
M x |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
f |
x; y dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4. Властивості коефіцієнта кореляції. Корельовані (залежні) та некорельовані випадкові величини
Покажемо, що коефіцієнт кореляції за абсолютною величиною менший або дорівнює
одиниці:
KXY |
|
1. |
(15) |
|
Для доказу нерівності (15) розглянемо дисперсію (невід’ємну величину) допоміжної випад-
кової величини:
D(σY X σ X Y ) M (σY X σ X Y ) M (σY X σ X Y ) 2 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
M (σ |
Y |
X σ |
X |
Y ) (σ |
Y |
m |
X |
σ |
X |
m ) 2 M σ |
Y |
( X m |
X |
) σ |
X |
(Y m ) 2 |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Y |
|
|
|
|
|
Y |
|
|
|
|
|
||||||||||
M σY 2 ( X mX )2 2σ X σY ( X mX )(Y mY ) σ X 2 (Y mY )2 σY 2 DX 2σ X σY rXY σ X 2 DY . |
|||||||||||||||||||||||||||||||||
Отже, |
2σ |
2σ |
X |
2 2σ |
X |
σ r |
0 |
1 |
rXY |
|
|
0 |
1 K |
XY |
0 |
|
|
K |
XY |
|
1 . |
||||||||||||
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
Y |
|
|
|
|
|
Y XY |
|
|
|
σX σY |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доведемо, що у випадку строгої лінійної залежності між випадковими величинами Х і Y
коефіцієнт кореляції за модулем дорівнює 1.
Нехай Y = аХ+b, де а і b є сталими величинами. Підрахуємо коефіцієнт кореляції, застосу-
вавши властивості математичного сподівання та дисперсії:
KXY |
|
|
r |
|
|
|
M ( X m ) (Y m ) |
|
|
|
M ( X mX ) (aX + b) M (aX + b) |
|
|||||||||||||||||
|
|
XY |
|
|
|
|
|
|
|
|
|
|
X |
|
|
Y |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
σ X σY |
|
|
|
|
|
|
|
|
|
σ X σY |
|
|
|
|
|
|
|
|
σ X σY |
|
|
||||
|
M |
( X mX ) (aX + b) (amX |
+ b) |
|
|
M ( X mX ) a( X mX ) |
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
σ X σY |
|
|
|
|
|
|
|
|
σ X D(aX + b) |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
aDX |
|
|
|
|
|
|
|
|
aDX |
|
|
|
a |
1, |
|
якщо а 0; |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
якщо а 0. |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
2 D |
|
|
|
|
|
|
|
|
a2 |
|
|
|
|
||||||||||||
|
σ |
X |
|
a |
X |
0 σ |
X |
σ |
X |
|
|
a |
1, |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8
Властивості коефіцієнта кореляції
1. Коефіцієнт кореляції є безрозмірна числова характеристика системи випадкових вели-
чин, значення якої за абсолютною величиною менше від 1, KXY 1.
2.Коефіцієнт кореляції для незалежних випадкових величин має нульове значення.
3.У випадку строгої лінійної залежності між випадковими величинами Х і Y коефіцієнт ко-
реляції за модулем дорівнює 1, тобто набуває своїх граничних значень.
Означення 3. Випадкові величини Х і Y називаються корельованими, якщо їхній коефіці-
єнт кореляції відмінний від нуля, KXY 0 . Корельовані випадкові величини є залежними величи-
нами. Отже, корельованість і залежність випадкових величин є тотожними поняттями.
Означення 4. Випадкові величини Х і Y називаються некорельованими, якщо їхній коефі-
цієнт кореляції має нульове значення, KXY 0 . Але некорельованість і незалежність випадко-
вих величин не є тотожними поняттями. Якщо момент кореляції дорівнює нулю, випадкові вели-
чини можуть перебувати в певній залежності, яка відмінна від лінійної. Момент кореляції характери-
зує міру лише лінійної залежності між випадковими величинами.
Заключна частина
В лекції викладено базовий матеріал до курсу “Математичні методи в соціології ”із теорії ймовірностей: Поняття моментів та основних числових характеристик двовимірної випадкової ве-
личини: “центр розподілу”, міра розсіяння випадкової величини навколо “центру розподілу”, ко-
реляційний момент (коваріація) та коефіцієнт кореляції, а також і числові характеристики умовних розподілів
Канд. фіз-мат. н., доцент |
(О. Б. Омецінська) |