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) |
Лекція 9. Багатомірні випадкові величини
На тому самому просторі елементарних наслідків можна розглядати не одну, а кілька випадкових величин. Наприклад, підкидають три гральних кубика. Можна розглядати одну випадкову величину ξ - суму очок, що випали, або три випадкових величини: ξ1 – число очок, що випали на 1-му кубику, ξ2 – число очок, що випали на 2-му кубику, ξ 3 – число очок, що випали на 3-му кубику. В економіці, як правило, на показник діє кілька факторів, наприклад, якість продукції залежить від багатьох факторів. Нехай ξ1, ξ2, …, ξn –система випадкових величин, визначених на множині . Функція розподілу системи випадкових величин визначається формулою F(x1, x2, …, xn) = P(ξ1 <x1, ξ2 <x2,....., ξn <xn), (20) де x1, x2, …, xn () При цьому F(x1, x2, …, xn) – неспадна функція за кожним аргументом. Для дискретної системи випадкової величини закон розподілу визначається задачім вектора x1, x2, …,xn і вектора ймовірностей , таких, що . Функція розподілу виражається у вигляді кратної суми F(x1, x2, …, xn) = , (21) де підсумовування проводиться по всіх можливих значеннях кожної з випадкових величин, для яких . Система ξ1, ξ2, …, ξn називається неперервною, якщо існує f(x1, x2, …, xn ) 0 така, що для будь-яких x1, x2, …, xn функцію розподілу F(x) можна представити у вигляді n-мірного інтеграла F(x) =. (22) Функція f ( ) називається щільністю розподілу ймовірностей системи випадкових величин, f() = (23) в точках неперервності. Випадкові величини ξ1, ξ2, …, ξn називаються незалежними, якщо для будь-яких x1, x2, …, xn незалежні події . Для незалежних ξ1, ξ2, …, ξn функція розподілу дорівнює добутку функцій розподілу кожної випадкової величини F(x1, x2, …, xn) = (24) Також справедливі рівності:
для дискретних випадкових величин р= = , для неперервних випадкових величин f() = . Основними числовими характеристиками n випадкових величин є математичні сподівання М() = (25) і дисперсії D() = = . (26) Умовним законом розподілу однієї випадкової величини, що входить у систему, називається закон, знайдений за умови, що інша випадкова величина, що входить у цю же систему, прийняла певне значення. Умовний закон розподілу задається як функцією розподілу, так і щільністю розподілу. Якщо розглядається розподіл випадкової величини ξi за умови, що інша випадкова величина ξj прийняла певне значення, то умовна функція розподілу позначається F(x/y), а щільність - f(x/ y). Важливими характеристиками є умовні математичні сподівання й умовні дисперсії. Нехай випадкова величина ξi приймає значення a = (), а випадкова величина ξj - b = (). Умовним математичним сподіванням дискретної випадкової величини ξi при ξj = b називають суму добутків можливих значень ξ i на їхні умовні ймовірності. Тоді умовне математичне сподівання обчислюється за формулою: M(ξi / ξj =b) = . (27) Для неперервних випадкових величин M(ξi / ξj =b) = . (28) Особлива роль у вивченні системи випадкових величин належить кореляційному моменту (коваріації). Коваріацією випадкових величин ξ i і ξj називається число = cov(ξiξj) = M((ξ i-M(ξ i))(ξ j-M(ξj)))=M(ξiξj)-M(ξi)M(ξj), i,j=1,2,…n (29) Для незалежних випадкових величин коваріація дорівнює нулю, тому що в цьому випадку M(ξiξj) = M(ξi)M(ξj). Очевидно, що = = D(), cov(ξiξ j) = cov(ξξ) Всі парні коваріації становлять симетричну щодо головної діагоналі коваріаційну матрицю розмірністю (nn). = Визначник коваріаційної матриці є узагальненою дисперсією системи випадкових величин. Розглянемо систему тільки двох випадкових величин, нехай ξ1, ξ2. Нехай випадкова величина ξ1 приймає значення з множинаі X, ξ2 – з множинаі Y, (X,Y) - дійсні числа. Мірою лінійної залежності двох випадкових величин ξ1, ξ2 є коефіцієнт кореляції
, (30) Властивості коефіцієнта кореляції: 1. |ρ|. 2. |ρ|=1 тоді й тільки тоді, коли між випадковими величинами існує лінійний функціональний взаємозв'язок y = аx + b, (31) де , причому, якщо ρ = 1, то a > 0, якщо ρ = -1, то a < 0 (Рисунок 15)
Для незалежних випадкових величин ρ = 0, але обернене твердження невірне, тому що між випадковими величинами може бути інший тип взаємозв'язку (нелінійний). Чим ближче значення ρ до нуля, тим слабкіше лінійний взаємозв'язок, чим ближче по модулю до одиниці, тим - сильніше. Якщо ρ = 0, то говорять, що випадкові величини некорельовані. Можна показати, що якщо нормально розподілені випадкові величини некорельовані, то вони незалежні.
Рисунок 15. Лінійний функціональний взаємозв'язок
. Нехай –1<ρ<1 і ρ≠0. Якщо нанести точки (X,Y) на координатну площину Xo, то можна помітити, що ці точки групуються навколо деякої прямої y = ax + b. Обчислимо коефіцієнти a,b ції прямої за умови, що дисперсія відхилень точок (X,Y) від точок на прямій була мінімальна.
.
Дата добавления: 2014-01-07; Просмотров: 387; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |