Binder1
.pdfn m
(3)E h X,Y h xi,yj pij.
i 1 j 1
Вчастности, справедливы соотношения:
n m
(4)E X 2Y2 xi2 y2j pij, D XY E X2Y2 E XY 2 .
i 1 j 1
5)Нахождение условного распределения случайной величины Y при заданном X xi .
Сначала определяются такие значения yj, для которых P X xi,Y yj |
0. Затем для этих |
|||||||||||||||||||||||||||||||||||||||
yj вычисляются условные вероятности, определяющие условный ряд распределения: |
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
P Y yj |
| X xi |
P X xi,Y yj |
|
pij |
. |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P X x |
|
|
|
p |
|
|
|||||||
6) Вычисление условных числовых характеристик. |
|
|
|
|
i |
|
|
|
|
i |
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
m |
|
|
|
j |
|
|
|
|
j |
|
|
|
|
i |
|
|
|||
|
|
|
|
|
|
|
|
E |
|
Y | X |
|
|
|
|
h |
y |
P |
Y y |
| X |
|
|
. |
|
|||||||||||||||||
|
|
|
|
|
|
|
|
h |
x |
|
|
|
|
|
|
|
|
|
x |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Примечание. |
Если для каждого X xi |
|
выполняется соотношение g xj E Y | X xi , то |
|||||||||||||||||||||||||||||||||||||
случайную величину |
g X E Y | X |
|
|
называют функцией регрессии |
|
Y по X . Справедливо |
||||||||||||||||||||||||||||||||||
равенство |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
g X E Y | X E Y | X xi I X xi . |
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 1. Совместный закон распределения случайных величин X и Y задан таблицей |
||||||||||||||||||||||||||||||||||||||||
|
|
Y |
|
-1 |
|
0 |
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
0,1 |
|
0,25 |
|
|
0,3 |
|
0,15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Найти |
2 |
|
|
0,1 |
|
0,05 |
|
|
0 |
|
0,05 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
: а) законы |
распределения случайных величин X и Y; |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
б) вероятность P X Y 2 ; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
в) E X ,E Y ,D X ,D Y ; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
г) E XY ,K X,Y ,D XY ,r X,Y . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
Решение. Случайная величина X может принимать 2 значения: |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
X = 1 с вероятностью p1 |
0,1 0,25 0,3 0,15 0,8; |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
X = 2 с вероятностью p2 |
0,1 0,05 0 0,05 0,2, |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
т.е. ее закон распределения определяется таблицей |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
X |
|
|
|
|
|
1 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Определяем |
|
|
PX |
|
|
|
0,8 |
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
числовые |
характеристики случайной величины X: |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
E X 1 0,8 2 0,2 1,2, |
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
2 |
0,2 1,6, D X 1,6 1,2 |
2 |
0,16 |
||||||||||||||||||||
|
|
|
|
|
|
|
E X |
|
|
1 0,8 2 |
|
|
||||||||||||||||||||||||||||
Аналогично находится закон распределения случайной величины Y: |
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
Y |
|
|
|
-1 |
|
|
|
|
0 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
PY |
|
|
|
0,2 |
|
|
|
|
0,3 |
|
|
|
|
0,3 |
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
а затем и ее числовые характеристики
E Y 1 0,2 0 0,3 1 0,3 2 0,2 0,5,
E |
|
2 |
1 |
2 |
0,2 0 |
2 |
2 |
0,3 2 |
2 |
0,2 1,3, |
D Y 1,3 0,5 |
2 |
1,05 |
Y |
|
|
|
0,3 1 |
|
|
Другие числовые характеристики найдем, пользуясь формулами (1)-(4) и исходной таблицей распределения:
E XY 1 1 0,1 1 0 0,25 1 1 0,3 1 2 0,15
2 1 0,1 2 0 0,05 2 1 0 2 2 0,05 0,5,
K X,Y 0,5 1,2 0,5 0,1, |
r X,Y |
|
0,1 |
, |
|
|
|||
|
|
|
0,16 1,05 |
E X2Y2 12 1 2 0,1 12 02 0,25 12 12 0,3 12 22 0,15
22 1 2 0,1 22 02 0,05 22 12 0 22 22 0,05 2,2,
D XY 2,2 0,52 1,95.
Искомую вероятность найдем, пользуясь формулой сложения вероятностей:
P X Y 2 P X 1,Y 2 P X 2,Y 1 P X 2,Y 2 0,15 0 0,05 0,2.
Пример 2. Случайная величина X имеет числовые характеристики |
E X |
1,D X 2. Найти |
||||||
математическое ожидание и дисперсию случайной |
величины Y 3X 1, |
а также |
K X,Y и |
|||||
r X,Y . |
|
|
|
|
|
|
|
|
Решение. Воспользуемся свойствами числовых характеристик: |
|
|
|
|||||
E Y E 3X 1 3E X 1 3 1 1 4; |
|
|
|
|
|
|||
D Y D 3X 1 32 D X 9 2 18; |
|
|
|
|
|
|
||
K X,Y K X,3X 1 3K X,X 3D X 3 2 6; |
|
|
|
|
||||
r X,Y 1, посколькупеременные X и Y связаны прямой зависимостью. |
|
|||||||
3.6. Анализ непрерывного случайного вектора. |
|
|
|
|
|
|||
Опр. Случайный вектор 1, , k T |
имеет абсолютно непрерывное распределение, если оно |
|||||||
может быть задано с помощью плотности распределения. |
|
|
|
|
||||
Опр. Числовую функцию f x , ,x |
k |
f x , ,x |
называют |
плотностью распределения |
||||
|
1 |
1 |
k |
|
|
|
|
|
вероятностей случайного вектора , если для любых |
действительных x1, ,xk |
справедливо |
||||||
соотношение: |
|
|
|
|
|
|
|
|
x1 xk
F x1, ,xk f x1, ,xk dx1 dxk.
Свойства плотности.
1. Условие нормировки: f x1, ,xk dx1 dxk 1.
|
|
|
|
|
|
|
|
2. |
Неотрицательность: f x1, ,xk 0. |
|
x , ,x |
|
|
||
|
|
f x1, ,xk |
k F |
k |
|||
3. |
В точке непрерывности |
|
1 |
|
. |
||
x1 xk |
|
|
|||||
|
|
|
|
|
|
4.Плотности частного и совместного распределений связаны при m k соотношением
f 1, , m x1, ,xm f 1, , k x1, ,xk dxm 1 dxk.
Утверждение 4. |
Для любой интегрируемой функции h x и любого борелевского множества |
|||||||||||||||||||||||
B k : |
|
|
|
x1, ,xk dx1 |
|
|
P B f 1, , k x1, ,xk dx1 dxk. |
|||||||||||||||||
|
|
|
|
dxk , |
||||||||||||||||||||
E h h x f 1, , k |
||||||||||||||||||||||||
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
|
|
|
|
||
Условная функция распределения. |
|
|
|
|
|
|
пары X,Y . |
|
|
|
||||||||||||||
Пусть |
F x, y |
– |
совместная функция |
распределения |
Тогда |
для любого |
||||||||||||||||||
борелевского |
множества |
B с положительной |
|
вероятностной |
мерой |
можно |
определить |
|||||||||||||||||
условную функцию распределения |
|
|
|
|
P X B,Y y |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
F |
y| X B F y|B |
. |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
Y |
|
|
|
|
|
Y |
|
|
|
P X B |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Полагая B x:x X x x при x 0, получим |
|
P x X x x,Y y |
|
|||||||||||||||||||||
FY y| X x FY y| x lim FY y| x X x x lim |
|
|||||||||||||||||||||||
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
x 0 |
|
|
|
|
|
|
x 0 |
P x X x x |
|||||||||
|
|
y |
x x |
f x,y dxdy |
y |
|
|
|
|
|
y |
|
|
|
|
|
|
|||||||
|
|
|
|
f |
x,y dy x |
f x,y dy |
|
|
|
|||||||||||||||
lim |
|
x |
|
|
|
lim |
|
|
|
|
|
|
|
|
. |
|
|
|
||||||
|
x x |
|
|
|
fX x x |
|
|
fX x |
|
|
|
|
||||||||||||
|
x 0 |
|
|
|
|
|
x 0 |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
fX x dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Примечание. Аналогично можно определить условное математическое ожидание |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
E Y |B ydFY y|B |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|||||
|
|
|
|
|
|
|
f x,y |
|
|
1 |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
dx y |
dy |
dx y f x,y dy, |
P B 0. |
|
|
||||||||||||||||
|
|
|
|
P B |
|
|
||||||||||||||||||
|
|
|
|
B |
|
|
P B |
|
B |
|
|
|
|
|
|
|
|
|
Условная плотность распределения.
Опр. Условной плотностью распределения случайной величины Y при заданном X x назовем
|
|
|
|
y |
|
|
|
|
|
|
|
FY y| x |
|
|
|
f x, y dy |
|
f x,y |
|
||
fY y| x |
|
|
|
|
|
|
. |
|||
y |
|
|
fX x |
|
||||||
|
|
y |
|
|
fX x |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Примечание 1. В многомерном случае |
|
|
f 1, , m, m 1, , k x1, ,xm,xm 1, ,xk |
|
||||||
f |
|
x , ,x | x |
, ,x |
k |
|
. |
||||
|
||||||||||
1 |
, , m |
1 |
m |
m 1 |
|
f m 1, , k |
xm 1, ,xk |
|||
|
|
|
|
|
|
|
Примечание 2. Условная плотность распределения обладает свойствами безусловной плотности.
Пример. Пусть случайный вектор X,Y |
имеет равномерное распределение R , где – |
|
треугольник с вершинами A 1;0 ,B 1;0 ,C 0; 1 . Найти |
f x,y , fX x , fY y , fX x| y , |
|
P Y X , проверить независимость X,Y. |
|
|
Решение. Уравнения границ треугольника: y 0,y x 1. Его площадь равна 1, поэтому
f x,y 1, |
x,y . |
Последовательно вычислим
|
X |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|||||
f |
x |
|
|
f |
x,y |
dy |
|
|
dy 1 |
|
x |
|
, |
x |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1;1 , |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y 1 |
|
|
|
|
|
|
y 1;0 , |
|||||
fY y |
f x,y dx |
|
|
dx 2 y 1 , |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y 1 |
|
|
|
|
|
|
|
|
|
|
|||
fX x |
fY y f x,y |
случайные величины X,Y зависимы, |
|||||||||||||||||||||||||
fX x| y |
|
|
|
1 |
|
|
, |
x,y ,y 1, |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
2 |
y 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
P Y X f x,y dxdy I x y dxdy |
1 |
. |
|||||||||||||||||||||||||
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
x y |
|
|
|
|
|
|
|
|
|
|
4 |
|
Тема 14. Наиболее известные многомерные и статистические распределения.
Полиномиальное и многомерное гипергеометрическое распределения. Равномерное распределение в области. Многомерное нормальное распределение, его параметры (вектор средних и матрица ковариаций) и свойства. Распределения вероятностей, наиболее часто применяемые в практике статистических исследований: хи-квадрат, Сьюдента и Фишера.
Наиболее известные многомерные дискретные распределения.
1. Полиномиальное распределение.
Проводится n независимых повторных испытаний, исходом каждого из которых может быть одно
из событий |
|
A1, ,Ak , |
|
образующих |
полную |
|
группу. |
|
В |
каждом испытании |
|||||||||
P Aj pj, p1 |
pk |
1. |
Если Xj – число появлений события Aj |
в n испытаниях, то |
|||||||||||||||
вектор X1, ,Xk T имеет полиномиальное распределение, |
задаваемое формулой |
||||||||||||||||||
|
|
|
|
|
|
|
|
n! |
|
k |
|
|
|
k |
|
|
|
||
|
|
P X1 m1, ,Xk mk |
|
pmj |
j , |
mj n. |
|||||||||||||
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
m1! mk ! j 1 |
|
|
|
j 1 |
|
|
|||||
|
|
X1 |
|
|
Ij A1 |
|
|
|
|
M I |
j |
A |
|
p1 |
|||||
|
|
n |
|
|
|
n |
|
|
1 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
X |
|
|
|
|
|
|
n ; |
|||||||||||
|
M X |
|
|
|
|||||||||||||||
|
|
X |
j 1 |
I A |
|
|
|
|
|
|
|
|
|
p |
|||||
|
|
|
|
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
||
|
|
|
k |
|
|
j k |
|
|
|
M Ij |
Ak |
|
k |
При j1 j2
n n
M X j1 X j2 M Ii1 Aj1 Ii2 Aj2 n n 1 pj1 pj2
i1 1 i2 1
K Xj1 ,X j2 n n 1 pj1 pj2 npj1npj2 npj1 pj2 .
При j1 j2 ?
2. Многомерное гипергеометрическое распределение.
Имеется совокупность, состоящая из N элементов, среди которых D1 элементов 1-го типа, …,
Dk элементов k -го типа. Из нее случайным образом без возвращения извлекаются n элементов.
Если |
Xj – число появлений элементов |
j-го типа в выборке, |
то вектор X1, ,Xk T имеет |
||||||
многомерное гипергеометрическое распределение, задаваемое формулой |
|||||||||
|
|
|
|
CDm1 CDmk |
k |
||||
|
|
P X1 m1, ,Xk mk |
|
1 |
|
k |
, |
mj n. |
|
|
|
|
|
n |
|
||||
|
|
|
|
|
|
CN |
|
|
j 1 |
Наиболее известные многомерные непрерывные распределения. |
|||||||||
1. Многомерное равномерное распределение. |
|
|
|
|
|
||||
Опр. |
Случайный |
вектор 1, , k T имеет |
равномерно |
распределение в борелевском |
|||||
множестве B k , |
если |
1 |
|
|
|
|
|
|
|
|
|
|
|
, |
x1, ,xk B, |
||||
|
|
|
|
|
|||||
|
|
|
|
||||||
|
|
f x1, ,xk mes B |
|
|
|
|
|
||
|
|
|
|
|
|
x1, ,xk |
B. |
||
|
|
0, |
|
2. Многомерное нормальное распределение. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a, а |
||||||||
Опр. Пусть |
1, , k T – |
|
случайный |
вектор, |
его |
|
вектор |
средних |
равен |
E |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
дисперсионная матрица D |
|
,det 0. |
Тогда вектор |
|
имеет |
k -мерное нормальное |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
распределение. если |
1 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
T |
|
1 |
|
|
|
|
|
|
|
T |
|
|
||
f x |
, ,x |
|
|
|
|
|
|
exp |
|
x |
a |
|
|
|
|
x a |
|
, x |
x , ,x |
|
. |
|
||||
2 k /2 |
|
|
|
|
2 |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||
1 |
k |
|
|
|
det |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
k |
|
|
|
Примечание 1.
1)Любое частное или условное распределение имеет нормальное распределение.
2)Любой вектор, получаемый из с помощью линейного преобразования имеет нормальное
распределение. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Примечание 2. |
|
|
|
|
|
|
X,Y T с характеристиками |
|
|
||||||||
Двумерное нормальное распределение вектора |
|
|
|||||||||||||||
|
|
|
aX |
|
, |
|
|
|
D X |
K X,Y |
, |
K X,Y r |
|
|
|
, |
r r X,Y |
E |
a |
|
D |
K X,Y |
D Y |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
X |
|
Y |
|
|
||||
|
|
|
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
определяется плотностью вида
1
f x, y
2 1 r2
При r 0 получаем
|
1 |
x a |
|
|
2 |
|
|
X |
|
||||
exp |
|
|
|
|
|
|
|
X |
|
||||
|
2 1 r2 |
|
|
|
||
|
|
|
|
|
|
|
x a |
|
y a |
|
y a |
2 |
|
|
|||
X |
|
|
||||||||
2r |
|
|
Y |
|
|
Y |
|
|
. |
|
X |
|
Y |
Y |
|||||||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f x, y
fX x 1 2
1 |
|
|
|
1 |
x a |
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|||||||
exp |
|
|
X |
y a |
|
|
fX |
x fY y , |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
Y |
|
|
|
|
|||||||||||||
2 |
|
|
|
X |
|
Y |
|
||||||||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
1 x a |
|
2 |
|
|
|
|
|
1 |
|
|
|
|
|
|
1 |
y a |
2 |
|
|||||||
|
|
X |
|
|
|
fY y |
|
|
|
|
|
|
|
|
|
||||||||||||
exp |
|
|
|
|
|
|
|
, |
|
|
|
|
|
|
exp |
|
|
Y |
. |
||||||||
2 |
|
|
X |
|
|
|
|
|
|
|
2 |
Y |
|||||||||||||||
|
|
|
|
2 |
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
А это значит, что в случае совместного нормального распределения из некоррелированности случайных величин следует их независимость.
Основные статистические распределения
1. Стандартное нормальное распределение: N N 0;1 .
Примечание. Если N a; 2 , то a N 0;1 .
2. Распределение хи-квадрат с степенями свободы: 2 . Распределением хи-квадрат с
степенями свободы называется такое распределение, которое имеет сумма квадратов случайных величин, независимых в совокупности и имеющих одинаковое стандартное нормальное распределение.
При 15 график функции плотности этого распределения имеет вид
|
|
0.08 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.06 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P CHI15 |
0.04 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.02 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.00 |
0 |
10 |
|
|
|
|
20 |
|
|
|
|
30 |
40 |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
Z |
|
|
|
|
|
|
Примечание. |
X1, ,Xn |
|
|
X |
|
a 2 |
2 |
. |
|
|
|||||
N a; 2 |
|
i |
|
|
|
|
|||||||||
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
3. Распределение Стьюдента с |
степенями свободы: T |
|
|
|
St |
|
. Распределением Стьюдента |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
с степенями свободы называется такое распределение, которое имеет отношение |
|
|
|
T |
|
0 |
|
, |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||
в котором 0, 1, , |
|
|
|
|
|
|
|
|
|
|
|
– |
независимые случайные величины, |
имеющие стандартное нормальное |
|||||||||
распределение. |
|
|
|
|
|
|
|
|
|
|
|
График функции плотности распределения Стьюдента симметричен относительно нуля и похож |
|||||||||||
на график функции плотности стандартного нормального распределения. |
Например, при 10 |
||||||||||
он имеет следующий вид (левый график). |
|
|
|
|
|
|
|
|
|||
0.5 |
|
|
|
|
|
0.5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
P STNORM |
0.3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0.2 |
|
|
|
|
0.2 |
|
|
|
|
|
|
T10P |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
||
0.1 |
|
|
|
|
|
0.1 |
|
|
|
|
|
0.0 |
|
|
|
|
|
0.0 |
|
|
|
|
|
-4 |
-2 |
0 |
2 |
4 |
|
-4 |
|
-2 |
0 |
2 |
4 |
|
|
Z |
|
|
|
|
|
|
Z |
|
|
Следующий график показывает насколько быстро с ростом числа степеней свободы |
|||||||||||
распределение Стьюдента сближается со стандартным нормальным. |
|
|
|
Исключение составляет поведение распределения Стьюдента на его хвостах. Следующие 2 таблицы дают представление о равномерной сходимости распределения Стьюдента к стандартномунормальному.
4. Распределение Фишера-Снедекора F( 1, 2 ) имеет случайная величина F , равная отношению вида
1 2 1 F 11 2 2 .
2
Тема 15. Условное математическое ожидание и задача построения прогноза. Условное математическое ожидание случайной величины и его свойства, функция регрессии. Наилучшее (в среднем квадратичном) оценивание случайных величин и случайных векторов. Условная дисперсия и минимальная ошибка прогноза. Построение прогноза наилучшего в среднеквадратичном в случае нормального распределения.
Условное математическое ожидание (УМО).
Понятие УМО. Имеется исходное |
вероятностное пространство ,A , P ; B A, P B 0. |
Определим новое вероятностное пространство ,A , PB с условной вероятностной мерой: |
|
PB A P A | B . Введем E | B |
– математическое ожидание в ВП ,A , PB : |
E | B PB d P d | B |
|
|
|
|
1 |
|
P d B |
1 |
B |
P d |
|
P B |
P B |
||||||
Примечание. E ; B |
|
|
|
|
|
|
|
|
P d E I B . |
B
E ; B P B .
Следствие 1. Условная функция распределения относительно B :
F x | B P |
x E I x | B P x | B . |
|
B |
|
|
Следствие 2. E | B xdF x | B .
Понятие УМО для случайных величин. Пусть пара случайных величин , имеет функцию
распределения F x, y . |
Условным |
математическим ожиданием |
случайной |
величины |
|||||||||
относительно случайной |
величины |
|
называется случайная величина |
|
E | , |
значениями |
|||||||
которой являются либо E | x |
(если |
– непрерывная |
случайная величина), либо |
||||||||||
E | xi |
(если – дискретная случайная величина), для которой выполняется соотношение |
||||||||||||
(в непрерывном случае): |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
I x B f x, y dx |
|
|
|
|
f x, y dx |
|
|
|
|
ydy |
|
|
ydy |
|||||||
E ; B E I |
B |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
E | x dF x E E | I B |
|
|
|
|
|
|
B
для любого борелевского B .
Понятие УМО для случайной величины относительно -алгебры. Условным
математическим ожиданием СВ относительно -алгебры B называют СВ |
E |B , |
измеримую относительно B и обладающую свойством: для любого B B |
|
P d E |B P d .
B B
Примечание. Если B – -алгебра, порожденная случайной величиной , то E |B – УМО случайной величины относительно случайной величины : E |B E | .