КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Системы случайных величин
1. На практике часто бывает необходимо определять вероятности совместной реализации нескольких СВ. Например, если известно, что двигатель автомобиля безотказно работает 100 тыс. км с вероятностью р 1, а ходовая часть с вероятностью р 2, то какова вероятность их совместной безотказной работы? Если эти два события независимы (обозначим их А и В), то вероятность совместного осуществления определяется формулой . (1.2.1)
Если события не являются независимыми, то вероятность их совместного появления определяется через условную вероятность:
. (1.2.2)
Под условной вероятностью понимается вероятность наступления события при условии, что событие произошло. Для независимых событий . Установление независимости событий, либо определение условных вероятностей, часто делается из соображений по существу исследуемого процесса. Рассмотрим пример. В механизм входят две одинаковые шестерни. Технические условия нарушаются, если они обе окажутся с плюсовыми отклонениями по толщине зуба. У сборщика имеется 10 шестерен, из которых 3 «+» и 7 «-». Определим вероятность нарушения технических условий при сборке. Пусть событие А ~ {первая шестерня «+»}, событие В ~ {вторая шестерня «-»}. По правилу умножения находим . Непосредственным подсчетом находим . Если же шестерни последовательно устанавливаются на двух рабочих местах и у двух сборщиков одинаковые партии шестерен, то А и В можно считать независимыми. В этом случае
Из соотношения (1.2.2) следует формула Байеса:
. (1.2.3) Пусть событие А по условиям опыта может осуществляться только совместно с каким-нибудь из событий полной группы (одной из гипотез) , удовлетворяющих условиям при .
Безусловные вероятности и априорные условные вероятности предполагаются известными. Тогда вероятность события А определяется формулой полной вероятности: . (1.2.4) Апостериорные условные вероятности гипотез Р (Нk / A), то есть правдоподобие гипотез при условии, что событие А зафиксировано, определяются по формуле вероятностей правдоподобия гипотез Байеса: . (1.2.5) Пусть в партии смешаны изделия от трех поставщиков в количестве n 1, n 2, n 3. Известно, что вероятности дефектности для изделия 1-го, 2-го, 3-го поставщиков равны соответственно q 1, q 2, q 3. Взятое наугад изделие оказалось дефектным. Требуется найти вероятность того, что оно принадлежит 1-му, 2-му и 3-му поставщикам. Пусть событие А ~{изделие оказалось дефектным}. Гипотезы, образующие полную группу, заключаются в следующем: ~{изделие 1-го поставщика}; ~{изделие 2-го поставщика}; ~{изделие 3-го поставщика}. Их вероятности равны: Из контекста задачи условные вероятности события А составляют: . Апостериорные вероятности гипотез, вычисленные по формуле Байеса, после элементарных преобразований будут иметь вид
. 2. Пусть совокупность объемом N образуется по схеме Бернулли с вероятностью успеха p. Для наглядности представим, что корзина последовательно заполняется N шарами, которые независимо друг от друга могут быть черными с вероятностью p и белыми с вероятностью 1- р. Ряд распределения числа черных шаров, будет иметь вид . Из корзины извлекается безвозвратная выборка объемом n < N. Пусть Y число черных шаров в выборке. Ряд условного выборочного распределения согласно п.1.1 составит (1.2.6) Найдем ряд безусловного распределения Р { X = m }. Применяя формулу полной вероятности, получим Комбинаторный множитель в последнем выражении после элементарных преобразований составит . Продолжив преобразования, получим Сумма в последнем выражении представляет собой полную сумму биноминального ряда В (p, N-n), стало быть равна 1.
Таким образом доказана следующая теорема: Безвозвратная выборка из конечной биноминальной совокупности сохраняет биноминальный закон распределения с той же вероятностью успеха: . 3. Рассмотрим другую ситуацию. Пусть имеется двухзвенная технологическая цепь с вероятностями успешного завершения операций p 1 и p 2 соответственно. Положим, что результаты последовательного прохождения компонентов полуфабриката (заготовок) независимы в совокупности, т.е. реализуется схема Бернулли. Пусть n – число заготовок, поступивших на вход первого звена. Тогда Y 1 – число бездефектных полуфабрикатов на выходе первого звена будет подчиняться биноминальному закону P { Y 1= m 1}~ B (p 1, n). Выход первого звена является входом второго, и условное распределение P { Y 2= m 2 | Y 1= m 1}, m 1 ≥ m 2, также будет биноминальным: B (p 2 , m 1). Безусловное распределение P { Y 2 = m } согласно формуле полной вероятности составит: Объединяя комбинаторные множители и перегруппировывая факториальные сомножители, получаем тождество . Далее, вынося из под знака суммы множители, не зависящие от m 1, искомые вероятности получим в виде
Совершив замену индекса , сумму в последнем выражении преобразуем к виду (1.2.8) Возвращая (1.2.8) в (1.2.7), окончательно получаем следующее тождество: , что является доказательством следующей теоремы: Число успехов при испытаниях по двухзвенной схеме Бернулли подчиняется биноминальному закону с вероятностью успеха, равной произведению вероятностей успеха составляющих звеньев: B{p1,n} B{p2,n p1}→ B{p1p2,n).
Из этой теоремы вытекает доказываемое с помощью элементарной индукции следствие: для любого числа последовательных звеньев схемы Бернулли число успехов на выходе подчиняется биноминальному закону с вероятностью успеха, равной произведению вероятностей составляющих звеньев. 4. При совместном рассмотрении нескольких СВ следует различать два принципиально различных типа взаимодействия. Пусть имеется партия подшипниковых шариков, состоящая из продукции двух различных автоматов. Фактический диаметр шариков первого автомата имеет нормальное распределение с параметрами , второго - . Доли шариков первого и второго сорта равны соответственно . Плотность распределения диаметра шариков в репрезентативной выборке из такой партии по формуле полной вероятности будет равна:
. (1.2.9) Если при этом > , то кривая плотности распределения будет иметь двухмодальный (двухгорбый) вид. Такой тип взаимодействия, когда с вероятностью появляется СВ X 1, a с вероятностью -СВ Х 2, называется суперпозицией законов распределения. Если же продукцией автоматов являются, скажем, электрические сопротивления, которые затем соединяются в последовательную цепь, то номинальное сопротивление составных резисторов будет иметь ПР . (1.2.10) Такой тип взаимодействия, представляющий собой сложение независимых СВ, называется композицией. При этом, если резисторы с двух линий смешиваются в общем накопителе в пропорции , а затем соединяются в цепь, то номинал составных резисторов будет иметь трехмодальное распределение с плотностью (1.2.11) В данном случае имеет место совместное проявление суперпозиции и композиции двух СВ. Из этого простого примера ясно, что для результативности и эффективности любого статистического анализа необходимо детальное предметное рассмотрение схемы возникновения и взаимодействия СВ, что на практике нередко упускается из виду. 5. В приложениях математической статистики часто встречается задача установления закона распределения функции нескольких СВ. Сумма двух СВ Y = X 1+ X 2 является частным случаем функции двух СВ. Исчерпывающей характеристикой пары СВ является функция их совместного распределения, которая определяется как вероятность совместности выполнения двух неравенств:
. (1.2.12)
Функция распределения (1.2.12) обладает свойствами, аналогичными свойствам функции распределения одной СВ. Однако знание функций распределения F 1(x 1) и F 2(x 2) недостаточно для описания совместного распределения X 1 и Х 2, так как между ними возможно наличие стохастической зависимости — связи. При условии независимости X 1 и Х 2, что эквивалентно независимости событий A 1@{ X 1< х 1} и А 2@{ Х 2< х 2}, функция совместного распределения факторизуется и для ее определения достаточно знать функции распределения компонент
F (x 1, x 2)= F (x 1) F (x 2). (1.2.13) Точно так же факторизуется и плотность совместного распределения: (1.2.14) Функция распределения СВ Y = X 1+ X 2 представляет собой интеграл , (1.2.15) где D (y) - область плоскости х 1 оx 2, определяемая из условия х 1+ х 2< у (рис. 1.2.1). Рис. 1.2.1. Область интегрирования для определения ПР суммы двух СВ
Дифференцируя (1.2.15) по у, находим плотность распределения суммы: (1.2.16) или, учитывая симметрию функции Y = X 1+ Х 2, . (1.2.17) Интеграл (1.2.16) и эквивалентный ему (1.2.17) называется сверткой и обозначается символом g = f 1* f 2. (1.2.18) При композиции двух дискретных СВ интегралы (1.2.16) и (1.2.17) преобразуются в суммы: . (1.2.19) В примере, приведенном в предыдущем пункте, был использован тот факт, что сумма двух нормальных величин также является нормальной, среднее значение и дисперсия которой равны соответственно сумме средних и сумме дисперсий слагаемых: m = m 1+ m 2 , То же самое справедливо для любого числа независимых нормальных СВ. При этом плотность распределения суммы из n слагаемых будет представлять собой результат n -кратной последовательной свертки. Суммы непрерывных СВ с распределением, отличным от нормального, уже не сохраняют закон распределения слагаемых, даже если слагаемые распределены одинаково. Однако с увеличением числа слагаемых сумма всякий раз достаточно быстро нормализуется, что напрямую следует из центральной предельной теоремы. Для иллюстрации центральной предельной теоремы рассмотрим сумму независимых СВ с равномерным распределением на отрезке . Последовательно производя преобразования (1.2.16), получим для ПР следующие рекуррентные соотношения: (1.2.20)
(1.2.21) Графики функций изображены на рис. 1.2.2.
Рис. 1.2.2. Нормализация суммы случайных слагаемых R(0,1)
Как видно, последовательность достаточно быстро приближается к кривой плотности нормального распределения с параметрами , . Если ввести нормированную величину , то при n 6 получим кривую, практически не- отличимую от стандартной нормальной кривой Гаусса: .
6. В п. 1.1 была найдена плотность распределения квадрата стандартной нормальной СВ. Используя соотношение (1.2.16), найдем плотность распределения суммы квадратов двух независимых стандартных нормальных СВ: : . (1.2.22) При произвольном k >2, разделяя образующуюся последовательность по четным/нечетным номерам, ПР по индукции получаем в виде , (1.2.23) где – гамма-функция Эйлера, обладающая следующими свойствами: , , Г (1)=1. Для целого аргумента Распределение играет очень важную роль при решении многих прикладных задач математической статистики. Среднее и дисперсия равны: ; . (1.2.24) В приложениях часто встречаются распределения, получающиеся из путем его преобразования. Например, . Плотность распределения найдем, используя полученное в п. 1.1 соотношение (1.1.2): . (1.2.25) При k =2 возникает распределение Рэлея – распределение эксцентриситета параллельных осей вала и отверстия: . При k =3 возникает распределение Максвелла – распределение величины скорости молекулы газа в трехмерном пространстве: . Среднее и дисперсия величины равны: . 7. Пусть СВ имеют ПР совместного распределения , а - их произведение. Область , удовлетворяющая условию , показана на рис.1.2.3.
Рис.1.2.3. Область интегрирования для определения произведения двух СВ
Интегрируя ПР совместного распределения по области , находим ФР : . (1.2.26) Дифференцируя по , находим ПР произведения: . (1.2.27) Если и независимы и симметричны относительно нуля, то (1.2.27) преобразуется к виду . (1.2.28) Если же независимые положительно–определенные СВ, то множитель 2 исчезает. 8. Для преобразования область показана на рис. 1.2.4.
Рис.1.2.4. Область интегрирования для определения отношения двух СВ
Интегрируя, получаем ФР в виде . (1.2.29) Дифференцируем по , находим ПР : . (1.2.30) Для пары независимых и положительных СВ (1.2.30) преобразуется к виду . (1.2.31) Пусть, Подставляя в (1.2.31) ПР (1.2.23), получим (1.2.32) Для отношения средних квадратов , связанного с линейным соотношением , будем иметь (1.2.33) Соотношение (1.2.33) есть ПР диперсионного отношения Фишера – основной инструмент дисперсионного анализа. 8. Найдем дисперсию суммы двух СВ, полагая наличие связи между ними. Используя свойства средних и дисперсий, получим
(1.2.34) С помощью тождественного преобразования вида получаем, что последнее слагаемое в (1.2.34) представляет собой смешанный второй центральный момент . Таким образом, окончательно дисперсию суммы получаем в виде
(1.2.35) где - ковариация, служащая мерой линейной зависимости между Х и Y. Удельная мера, или коэффициент корреляции, определяется как . Подставив (1.2.34) в (1.2.35), для дисперсии суммы будем иметь . (1.2.36) Коэффициент корреляции, очевидно, сохраняет постоянное значение при масштабировании , , где a и b – произвольные положительные константы. Полагая , , получим . Так как , . Левая часть последнего соотношения неотрицательна, следовательно . Множественная ковариация системы СВ задается симметричной ковариационной матрицей n × n. На главной диагонали стоят дисперсии . Внедиагональные элементы представляют собой соответствующие ковариации . Путем деления ковариационной матрицы на соответствующие дисперсии образуется корреляционная матрица, сохраняющая симметрию. На ее главной диагонали стоят 1, внедиагональными элементами являются коэффициенты корреляции .
Дата добавления: 2014-12-26; Просмотров: 599; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |