книги из ГПНТБ / Дьяченко, А. Н. Интегральное исчисление функций нескольких переменных. Теория вероятностей и элементы математической статистики учебное пособие
.pdfВычислим дисперсию
оо |
оо |
„ т |
|
D [g] = ^ |
|
(5.101) |
|
(яг - а ) 2 Р (g = т) = ^ (яг - а ) 2 — е -3. |
|||
т —0 |
т=0 |
т\ |
|
|
|
Представим (яг—а)2 следующим образом:
(яг—а)2 — яг (яг— 1) + |
(1—2а) |
яг а2. |
Тогда выражение для дисперсии |
(5.101) |
можно преобразовать |
к виду: |
|
|
ОО |
|
ОО |
D[\\=e
|m=0 |
т =0 |
+ а2
ат
~т\
т = 0
Продифференцируем (5.98) по х два раза:
|
Ж-1 |
„ |
т—хт |
У * . |
|
f (х) = |
яг (яг— 1)------ j— |
= а |
|||
|
т—0 |
, |
|
|
|
Положим в этом выражении х = 1: |
|
|
|||
|
ОО |
|
ат |
|
2 а |
|
|
|
|
||
s"(1)==2 |
|
— |
= а е . |
||
m(m-’ 1) т\ |
|
||||
|
т = |
0 |
|
|
|
Подставим в (5.102) суммы рядов из (5.99) и (5.103):
£>[£] = е~а [ае + (1 — 2а) аеа+ а У ] .
(5.102)
(5.103)
После привидения подобных членов находим, что дисперсия случайной величины, распределенной по закону Пуассона, равна:
D[l] = a. |
(5.104) |
Математическое ожидание и дисперсия случайной величины, распределенной по показательному закону. Плотность вероятности случайной величины, распределенной по показательному закону, определяется формулой (5.23):
г / ч__( |
о |
для |
х < 0 ; |
— \ |
л - % Х |
для х>0. |
|
. |
ке |
л* |
Вычислимматематическое ожидание и дисперсию этой величины:
+оо
M [£]=A , f xe~kxdx. b
140
Интегрируем |
по частям, |
положим |
и — х\ |
тогда dv |
||
— е~и ; du = dx\ v = ё~Хх. |
|
|
|
|
||
Получим |
|
|
|
|
|
|
СО |
|
0 3 |
1 Л |
|
, |
СО |
j'xe-Xxd x = |
|
|
||||
-хе ~ %х + |
— |
[e~Xxdx^ 0--- 1- е ~ Хх |
||||
о |
|
о |
* J |
|
|
X2 |
|
0 |
о |
|
|
|
|
Откуда |
|
|
|
|
|
|
|
|
|
|
|
|
(5.105) |
Аналогично |
|
|
|
|
|
|
D [Е] = j |
|
|
|
„2 —:XxA |
Kxdx + |
|
-----ке Xxdx — k j xle Kxdx— 2 j xe |
||||||
о |
|
|
|
6 |
|
о |
|
|
+ T \ e~ " dx’ |
|
|
||
так как |
|
|
0 |
|
|
|
|
|
|
|
|
|
|
x2e - Xxd x = — ^ - ^ - |
H------\xe Kxdx = — , |
|||||
TO |
|
|
o |
о |
|
X3 |
|
J2___^2 |
| L |
J_ |
|
||
|
D\l] |
|
||||
|
X2 |
X2 |
' X2 ~ |
X2 |
|
|
|
|
|
Математическое ожидание и дисперсия случайной величины рас пределенной по закону равномерной плотности. Плотность вероят ности случайной величины, распределенной в промежутке [а, Ь] по закону равномерной плотности, определяется формулой (5.24):
для а < Х & ;
/(* ) = 6 — а
0 для х<С.а и для х^>Ь.
Вычислим математическое ожидание этой величины:
|
4-00 |
а |
|
Ъ |
4-оо |
М [I] = |
J xf(x)dx= |
j* х 0 dx + |
-----J xdx -j- |
J 0 xdx. |
|
|
— oo |
— oo |
|
a |
b |
Первое и третье слагаемые равны нулю. Таким образом, |
|||||
ЛП1] |
1xdx = |
1 |
*2 |
b2— а2} |
6 -f- а |
6 — а |
2 |
2(6 — а) |
(5.106) |
||
|
Ь— aJ |
2 |
а
141
Аналогично находим дисперсию
D [|] = — — [ ( х - |
-b^ |
) 2dx = ituR ll. |
(5.107) |
|
b — a J \ |
2 |
) |
12 |
|
а
Вычисление числовых характеристик случайной величины, рас пределенной по нормальному закону. Вычислим некоторые число вые характеристики случайной величины, распределенной по нор мальному закону. Плотность вероятности нормальной случайной величины в общем случае имеет вид:
|
|
(х—ту |
f(x)= |
J - е |
2о2 |
|
У 2л а |
|
Найдем математическое ожидание:
|
+ СО |
|
(x—m f |
Mil] |
хе 2ffl dx. |
|
2па |
Сделаем замену переменной:
t] dx = odt; x = atJr m. |
(5.108) |
Тогда интеграл в правой части равенства преобразуется к виду:
+ о о |
|
+ О 0 |
М[\ |
tdt-\— У = |
dt. |
У 2. |
V 2п |
|
Первый интеграл равен нулю (как интеграл от нечетной функ ции по симметричному промежутку). Второй интеграл равен У 2л (см. 5.27). Поэтому
М[%] = т. |
- (5.109) |
Найдем дисперсию:
|
+ о о |
|
(х—т)2 |
DH] |
(х— mfe ~~^dx. |
|
V2;■ТСG |
Подстановкой (5.108) преобразуем это выражение к виду:
|
- fO O |
|
м |
|
D[l] |
о2 |
t2e |
dt |
|
У 2n |
||||
|
|
|
||
|
— СО |
' |
|
Вычислим последний интеграл по частям, обозначая
_ Л |
р |
u = t\ du= dt; dv=te 2 dt; v = —e |
2 . |
142
Тогда
+оо |
JL |
|
|
+ 00 |
+00 |
p_ |
|
|
|
л |
Л, 2 |
|
r* |
|
|||
t2e |
2 |
|
|
|
2 dt. |
(5.110) |
||
|
d t = — te |
-n o |
+ U |
|||||
—OO |
|
|
|
|
|
—00 |
|
|
Второе слагаемое равно У 2л. |
Вычислим |
первое |
слагаемое: |
|||||
|
|
+О0 |
|
^2 |
|
|
|
|
te |
|
|
» = |
limfe |
т |
lim te |
|
|
|
|
|
|
|
||||
|
|
|
|
^-►+ 00 |
tf-»-—oo |
|
|
При вычислении пределов воспользуемся правилом Лопиталя. Находим
_ р_
lim te 2 — lim |
# |
= lim - 1 |
0. |
(5.111) |
^-►±СО |
Л_ |
|
|
|
|
е 2 |
te4 |
|
|
Из (5.110) и (5.111) следует, что
+ 00
t%e dt — У 2л.
Таким образом, дисперсия случайной величины, распределен ной по нормальному закону, равна
D[l] = o\ |
(5.112) |
Найдем третий центральный момент:
р!3) = |
|
+оо |
(лг—т)*203dx. |
1 |
{х— rtife| |
Заменой переменной по формуле (5.108) преобразуем это выра жение к виду
|
|
+оо |
|
р |
|
|
|
|
|
Ц'3): |
У 2л |
|
t3e |
2 dt. |
|
|
Так как в правой части стоит интеграл от нечетной функции по
симметричному промежутку, то р|3) = 0. Следовательно, асиммет рия нормального закона распределения равна 0.
Математическое ожидание и дисперсия случайной величины, распределенной по биномиальному закону. Вычислим математиче ское ожидание и дисперсию числа успехов £ в п опытах, проводи мых по схеме Бернулли. Закон распределения £ называется бино миальным и может быть задан рядом распределения (5.3):
P (g = m) = C ^ P V _m-
143
При вычислении М [£ ] и D [£ ] воспользуемся не определением этих числовых характеристик, как делали при решении подобных задач до сих пор, а их свойствами 4 и 7. Для этого введем вспомога тельные независимые случайные величины |х, |2, . . . , £я. Пусть = 1, если в t-м опыте произошло событие А и ^ = 0 в противном
случае. Так как
P { t i= l } = P { A l) = p
и
P { l t= - 0 } = P ( A i) = l - p = q,
то
M [ l i] = 0q+\ p=p\
D [ t i] = [0— p f q + [ \ — p]2p = p 2q+q2p=pq(p + q) = РЯ-
Так как \ = |
+ |
|2 + |
. . . + £ я, то в силу свойств 4 и 7 |
||
МЦ] = ^ М [ и ^пр-, |
D [£,]== |
= npq. (5.113) |
|||
|
i=i |
|
. |
t=i |
|
5.9. Числовые характеристики векторных случайных величин
На примере двумерного случайного вектора г (|, т|} познако мимся с основными числовыми характеристиками случайных век торов. Для каждой компоненты случайного вектора определены все те же числовые характеристики, что и для любой скалярной случайной величины, в том числе начальные и центральные мо менты. Чаще других находят практическое применение первые на чальные моменты или математические ожидания, и центральные моменты второго порядка или дисперсии:
4 - 0 0 |
4 - 0 0 |
+ 0 0 |
xf (x, |
у) dxdy, |
||
т$= М [£] = |
J |
xfx (х) dx — |
[ |
J |
||
— OO |
— 00 — CO |
|
|
|||
4-0 0 |
+ co 4"oo |
yf(x, |
y) dxdy; |
|||
mr] = M [T)]= |
J |
yf2 (y) dy = |
j |
j |
||
— 00 |
— OO — OO |
|
|
|||
D [|] = |
-j- OO + 0 0 |
|
|
у) dxdy, |
||
J |
[ (x— m^)2f(x, |
|||||
|
—'СО —oo |
|
|
|
|
|
£>[T]]= |
+ o o |
+ 0 0 |
|
|
y)dxdy. |
|
j |
J (;y—mnf f { x , |
|||||
|
— 0 0 |
— 0 0 |
|
|
|
|
Вектор г {m§, тц] называют средним значением, или математи
ческим ожиданием случайного вектора г {g, rj}. Точку М {т%,~.тп\ часто называют также центром рассеивания системы случайных величин {I, т)}. Для характеристики разброса значений координат применяются также средние квадратические отклонения
ог= У D [I]; cr4 = ]/ Ъ [rj] •
144
Наряду с числовыми характеристиками каждой компоненты, рассматриваются совместные числовые характеристики несколь ких компонент. Смешанным начальным моментом порядка а + (3
называется М [£ат1Р], смешанным центральным моментом порядка а + р называется М [(£ — Ш|)“ (ц — т п)р]. Наибольшее практи ческое значение имеет смешанный центральный момент второго порядка, М [(£—m6) (rj—т л) ], называемый корреляционным мо ментом.
Определение 1. Корреляционным моментом (или ковариацией)
Kin системы двух случайных величин (£, ц) называется математи ческое ожидание величины (£—т§) (ц—т^):
+оо 4-со
= м 1(£— Щ) (Л— tnn)\ = f J {l —m^{r[--mK)f{x, y)dxdy.
— DO — OO
Корреляционный момент характеризует связь между случай ными величинами § и ц.
Определение 2. Случайные величины называются некоррелирован ными, если их корреляционный момент равен нулю.
Покажем, что независимые случайные величины некоррелированы.
Пусть (|, т]) независимы, тогда независимы и величины £—т% и rj—тц, поэтому на основании свойства 3 математического ожида ния
Кщ = М [(£ — mg) (т)— Шп)] = М [I —тг] М [т]— т л]
по свойству 4 и свойству 2 |
|
|
М [£— /П|] = |
М [£]— = |
m|= СГ, |
следовательно, и Кщ ~ 0.
Из равенства нулю корреляционного момента еще не следует независимость случайных величин. Существуют зависимые, но не коррелированные случайные величины. Заметим, что на величину корреляционного момента влияет не только степень зависимости случайных величин, но и разброс значений случайного вектора от носительно центра рассеивания. Чтобы ослабить это влияние, рас сматривают безразмерную величину
называемую коэффициентом корреляции случайных величин £ и т]. Приведем без доказательства некоторые свойства коэффициента
корреляции:
1. Абсолютная величина коэффициента корреляции не превос ходит единицы
ken К 1-
I1 / 2 6 Заказ № 1740 |
145 |
2. |
Равенство | |= 1 выполняется в том и только в том слу |
чае, когда |
|
|
г\—тц = С (|— |
3. |
Коэффициент корреляции некоррелированных случайных ве |
личин |
равен нулю: |
+ i = °-
Коэффициент корреляции координат случайного вектора, рас пределенного по нормальному закону. Совместная плотность веро ятности координат случайного вектора, распределенного по нор мальному закону, определяется формулой (5.50). Было показано, что математические ожидания и средне-квадратические отклонения
его компонент равны |
|
|
|
|
|
|
|
|
М[1] = а\ М [т1] = |
6; |
а[|] = |
а!; |
а[т]] = ст2. |
||||
Вычислим корреляционный момент и коэффициент корреляции: |
||||||||
+ СО + СС |
|
|
|
1 |
(х—а)2 -2k(х—а) (у—Ъ) (у—Ь)2' |
|||
(х—а) {у — Ь) |
2 (!-£>) |
|
|
dxdy. |
||||
|Т1 |
\—k* |
|
|
|
|
|
||
|
|
|
|
|
|
|||
Сделаем замену переменных в двойном интеграле: |
||||||||
х = |
CTi ]/"1 — &+ + axkx -fa ; |
у = о2т + Ъ, |
||||||
при этом якобиан (см. § 1.4) будет равен |
|
|
||||||
дх |
дх |
Ox |
Y 1— k2 |
Oxfe |
|
|||
dt |
дт |
|
||||||
|
|
|
|
|
= оусГа ]/" 1 —k2 |
|||
ду |
ду |
|
|
|
|
|
||
|
0 |
|
|
|
|
|||
dt |
дх |
|
|
|
|
|
||
|
|
|
|
|
|
|
||
и интеграл преобразуется к виду |
|
|
|
|
||||
|
|
|
+ 00 |
р_ |
+оо |
Т2 |
||
|
цсг2 V 1 |
|
|
|
р |
|||
К,5ч : |
|
|
|
2 |
tdt |
\ е |
2 xdx + |
|
2л |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
+ 0 0 |
|
|
+оо |
|
|
|
+ o1a1k_ ( |
~ ^ rdt |
Г e~^~t2dt' |
|||||
|
2л |
|
J |
|
|
J |
|
|
|
|
|
— 00 |
|
|
—oo |
|
|
Первое слагаемое этого выражения равно нулю (интегралы в нем берутся от нечетных функций по симметричным промежуткам). Каждый интеграл во втором слагаемом в силу (5.27) и (5.110) равен
У 2л. Поэтому
К|п ~ (Бо+J.
Откуда
гы = 1г.
Таким образом, параметр k совместной плотности вероятности координат случайного вектора г (|г|), распределенного по нормаль ному закону, является коэффициентом корреляции координат £ и т).
Выше было |
показано, что при k = 0, случайные величины £ |
и г] независимы. |
Таким образом, нормальные случайные величины |
£ и г] независимы тогда и только тогда, |
когда они некоррелированы. |
5.10. Функции случайных величин |
|
Функция |
|
Т] = Ф(£), |
(5.114) |
аргументом которой является случайная величина, сама является случайной величиной. Точно также функция от нескольких слу чайных величин
£ = Ф (1 , Л)
является случайной величиной.
Покажем, как по известному закону распределения аргументов находится закон распределения функции. Согласно определению, функция распределения F2 (у) случайной величины т) есть вероят ность того, что значения случайной величины ц будут меньше ар
гумента функции распределения, |
|
Ръ(у) = Р[Ч = У) |
(5.115) |
или ввиду (5.114) |
|
РЛу) = Р\ч{Ъ)<у}- |
(5.116) |
Таким образом, значение функции распределения случайной ве личины г] в точке у равно вероятности попадания значений случай ной величины £ в те области оси Ох, где выполнено неравен ство ф (х)<'у. Эта задача решается особенно просто, если функция у = ф (х) строго монотонна в области возможных значений |. Пусть [а, b] область возможных значений г]. Тогда существует однознач ная обратная функция х = ф (у), определенная на [а, Ь]. Для оп ределенности будем считать функцию ф (х) возрастающей. Тогда неравенство ф (£)<Дг/ будет выполняться для £ < ф (у). Таким об разом, в случае возрастающей функции получаем:
=ДЛЯ !><“ •
(Ф(г/)) Для у > а .
В этом выражении через Fx (х) обозначена функция распределе ния случайной величины £.
Предположим теперь дополнительно, что функция ф (х) имеет на всей числовой оси не обращающуюся в ноль производную, а закон распределения случайной величины £ задан плотностью вероят ности fx (х). Тогда закон распределения случайной величины г] = = ф (£) также можно задать плотностью вероятности / 2 (у)- Дей ствительно, при сделанных предположениях функции /Д (х) и ф (у)
IV, 6: |
147 |
дифференцируемы, а следовательно, дифференцируема и функция F2 (у). Применяя правило дифференцирования сложной функции, находим:
к (у) = F 2 (у) = F'l {х) Ху = к($(у))У (у).
В общем случае монотонной функции
к (У) = к (Ф Ш ■IФ' (У)
Пример 2. Зная плотность вероятности fa (х) случайной величины |, вы числить плотность вероятности fa (у) случайной величины тц являю
щейся линейной функцией от
г) = al + |
b. |
Р е ш е н и е . |
По формуле |
/2 (У) = к ^У — Ь\ 1
М
Можно показать, что линей ная функция г) от нормальной случайной величины | является нормальной случайной величи ной, причем
% = ami + % = |а \а.
Найдем функцию распределения F3 (z) функции от двух случай
ных переменных £ = Ф (£, |
ц). По определению функции распреде |
|
ления F3 (z) |
равна вероятности попадания случайной точки М (£, ц) |
|
в область |
Dz плоскости |
хОу, где выполняется неравенство |
Ф (х, у) < z . |
Если задана совместная плотность вероятности / (х, у) |
случайных величин (|, т]), функцию распределения случайной ве личины £ можно найти по формуле
Fs(z)= f f f (х, у) dxdy,
(Dz)
Пример 3. Вычислить функцию распределения F3 (г) и плотность вероят ности f3 (г) суммы С= I + Ц двух независимых случайных величин
Iи т), плотности вероятности которых fa (х) и fa (у) известны.
Ре ш е н и е . Ввиду независимости | и т) их совместная плотность вероятности I (х, у) равна произведению частных плотностей вероят ностей:
|
|
t (х, У) = fa (х) к (у). |
|
|
|
Область |
Dz, |
в которой |
выполняется |
неравенство х-\- у <> г, ле |
|
жит ниже прямой х + у = |
г (рис. 57). Откуда |
|
|||
|
JJ |
|
+ 0 0 |
Z—X |
|
рз ( г ) = |
/1 (*) к (У) dxdy = J fa(x)dx |
J fa(y)dy, |
|||
|
(Dz) |
|
—00 |
—30 |
148
или, сделав замену |
переменной у = |
t—х, |
(5.117) |
||
Fз (г) |
|
Н-ОО |
2 |
|
|
= |
J h (х) dx J |
/ 2 О — х) dt. |
|||
|
|
—оо |
—оо |
|
|
Чтобы вычислить |
плотность |
вероятности / g (z), |
продифференци |
руем функцию распределения Fs (г). В правой части (5.117) от г за висит только верхний предел внутреннего интеграла. Как известно, производная от определенного интеграла с переменным верхним пре делом по этому пределу равна значению подинтегральной функции при этом пределе. Следовательно,
/з (г) = F3 (г) |
+ СО |
(5.118) |
= J fi (z — x )f1(x)dx. |
— ОО
Распределение суммы нормальных случайных величин. Пусть независимые случайные величины £ и т] распределены по нормаль
ным |
законам. |
Подставляя |
их |
|
|
|
|
||||
плотности вероятности |
в |
(5.118), |
|
|
|
|
|||||
можно |
убедиться в том, |
что сумма |
|
|
|
|
|||||
нормальных |
случайных |
|
величин |
|
|
|
|
||||
также |
распределена |
по |
|
нормаль |
О |
х |
0 |
t |
|||
ному закону. Это утверждение |
|
|
|
|
|||||||
справедливо |
для |
любого |
числа |
|
Р и с . |
58 |
|
||||
слагаемых. |
Оно |
остается |
справед |
|
|
|
|
ливым также в случае, когда некоторые или все слагаемые являются зависимыми случайными величинами.
Закон распределения %2 (Пирсона) и закон распределения Стьюдента. В статистике при обработке результатов измерений широко используются некоторые специальным образом составленные функ ции нормальных случайных величин. Рассмотрим две из них:
(5.119)
и
(5.120)
где ^2, . . . , — независимые случайные величины, каждая из которых распределена по нормальному закону с параметрами
т и а.
Закон распределения случайной величины xh-х называется рас
пределением х2 (или. законом распределения Пирсона) с (п— 1) степенями свободы.
Закон распределения случайной величины tn_ l называется за коном распределения Стьюдента с (п— 1) степенями свободы.
149