- •Введение.
- •1.1 Случайные величины и методы их описания
- •1.1.1 Определение случайной величины и ее описание
- •1.1.2 Статистические характеристики случайных величин
- •1.1.3 Гауссовские случайные величины и их характеристики
- •1.1.4 Различные типы случайных величин
- •1.1.5. Задачи к разделу 1.1
- •1.1.6 Вопросы к разделу 1.1
- •1.2 Случайные векторы и методы их описания
- •1.2.1 Определение случайного вектора и его описание
- •1.2.2 Статистические характеристики случайных векторов
- •Определение
- •1.2.3 Гауссовские случайные векторы и их характеристики
- •1.2.4 Среднеквадратический эллипс ошибок, круговая вероятная ошибка.
- •1.2.5. Задачи к разделу 1.2
- •1.2.6 Вопросы к разделу 1.2
- •1.3 Преобразование случайных величин и векторов
- •1.3.1 Функции случайных величин
- •1.3.2 Функции случайных векторов
- •1.3.3 Линейные преобразования случайных векторов.
- •1.3.4 Определение статистических свойств длины проекции случайного двумерного вектора на заданное направление
- •1.3.5 Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
- •1.3.6. Задачи к разделу 1.3
- •1.3.7 Вопросы к разделу 1.3
- •1.4 Условная плотность распределения вероятностей
- •1.4.1. Формулы Байеса. Условные математическое ожидание и матрица ковариаций
- •1.4.2 Правила нахождения параметров условной гауссовской плотности
- •1.4.3 Примеры нахождения параметров условной гауссовской плотности
- •1.4.4 Задача регрессии.
- •1.4.5 Задачи к разделу 1.4
- •1.4.6 Вопросы к разделу 1.4
- •1.5 Моделирование случайных величин и векторов и вычисление их выборочных характеристик.
- •1.5.1. Псевдослучайные последовательности, датчики случайных чисел
- •1.5.2 Метод Монте-Карло.
- •1.5.3 Выборочные статистические характеристики
- •1.5.4 Гистограмма
- •1.5.5 Моделирование случайных величин в Matlab
- •1.5.7 Вопросы к разделу 1.5
- •1.6 Задание для моделирования с использованием Matlab.
- •1.7 Заключение.
77
1.4Условная плотность распределения вероятностей
Внастоящем разделе вводится имеющее существенное значение в теории оценивания понятие условной (апостериорной) ф.п.р.в. и рассматривается правило вычисления параметров условной гауссовской плотности двух векторов, при условии, что один из них зафиксирован. Обсуждается весьма важный при решении задач оценивания пример нахождения параметров условной гауссовской плотности, а также задача регрессии, имеющая тесную связь с байесовскими задачами оценивания, которые рассматриваются в главе 2.
1.4.1.Формулы Байеса. Условные математическое ожидание и матрица ковариаций
Пусть заданы два случайных вектора x и y , для которых будем полагать известной
совместную ф.п.р.в. fx,y (x, y) . Осуществляя интегрирование этой функции по x или y , можем
получить согласно (1.2.5) соответственно ф.п.р.в. fy ( y) и f x (x) , определяющие
статистические свойства для каждого вектора по отдельности. При независимости векторовx и y
fx,y (x, y) = fx (x) fy ( y) .
В более общем случае справедлива формула умножения плотностей вероятности, которая
записывается как |
|
|
|
fx,y (x, y) = f |
(x / y) fy ( y) = f ( y / x) fx (x). |
(1.4.1) |
|
Входящие в эти соотношения плотности |
f (x / y) |
и f ( y / x) определяют статистические |
|
свойства векторов x и y при условии, что вектор, |
стоящий справа от черты фиксирован. |
Поэтому эти плотности называются условными плотностями распределения вероятности или просто условными плотностями. При решении задач оценивания условные плотности f (x / y) и f ( y / x) также называют апостериорными плотностями, тем самым
подчеркивается тот факт, что эти плотности соответствуют апостериорной ситуации, т.е. такой, при которой один из векторов, связанный с оцениваемым вектором, фиксируется. В этом
случае исходные плотности f x (x) , fy ( y) |
принято называть априорными. Из соотношения |
||||||
(1.4.1) следует, что |
|
|
|
|
|
||
f (x / y) = |
|
fx,y (x, y) |
= |
fx,y (x, y) |
, |
(1.4.2) |
|
∫ |
fx,y (x, y)dx |
fy ( y) |
|||||
|
|
|
|
||||
|
|
|
|
|
а
78
f ( y / x) = |
|
fx,y (x, y) |
= |
fx,y (x, y) |
(1.4.3) |
|
∫ |
fx,y (x, y)dy |
fx (x) |
||||
|
|
|
||||
|
|
|
|
Соотношения (1.4.2), (1.4.3) известны как – формулы Байеса. Они обеспечивают возможность нахождения условных плотностей по известной совместной плотности fx,y (x, y) .
Из них, в частности, следует, что при независимости векторов x и y условные и априорные ф.п.р.в. между собой совпадают.
Согласно (1.4.2) условную плотность формально можно получить в два приема. Сначала в совместной плотности fx,y (x, y) фиксируется значение y , т.е. fx,y (x, y = y* ) . Относительно x
функция fx,y (x, y = y* ) будет пропорциональна условной плотности, т.е.
fx,y (x, y = y*) f (x / y = y* ) . Иными словами, условная плотность как функция x |
подобна |
|||
совместной ф.п.р.в. при |
фиксированном значении |
y . |
Далее для того, чтобы |
функция |
fx,y (x, y = y* ) приобрела |
свойства ф.п.р.в., необходимо, |
обеспечить выполнение |
условия |
|
нормировки (1.2.4). Для этого функцию fx,y (x, y = y* ) |
требуется разделить на независящую от |
x величину, представляющую собой интеграл от fx,y (x, y = y* ) по аргументу x . Полученная в результате величина совпадет с fy ( y = y* ) , в силу условия согласованности (1.2.5).
Математическое ожидание
xˆ( y) = ∫x f (x / y)dx
и матрица ковариаций
P x / y = ∫(x − xˆ( y))(x − xˆ( y))T f (x / y)dx ,
соответствующие f (x / y) , называют условным математическим ожиданием и условной матрицей ковариаций. В случае, когда речь идет о скалярной с.в., используют понятие
условной дисперсии.
Условные плотности распределения обладают теми же свойствами, что и обычные плотности. В частности, если рассмотреть плотность для трех векторов fx,y,z (x, y, z) , то,
привлекая условие согласованности (1.2.5), можно записать следующие равенства:
f (x / z) = ∫ f (x, y / z)dy; |
(1.4.4) |
f (x / z) = ∫ f (x / y, z) f ( y / z)dy. |
(1.4.5) |
Выражения (1.4.4), (1.4.5) удобно использовать в случае необходимости исключения аргументов, стоящих слева и справа от черты в условной плотности [1.7].
79
1.4.2 Правила нахождения параметров условной гауссовской плотности
Получим соотношения, позволяющие находить параметры условной гауссовской плотности распределения. Предположим, что совместная ф.п.р.в. двух гауссовских векторов
x и y , размерности n и m имеет вид |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
fx,y (x, y) = N |
(x т , y т )т; (x т , y т )т , P |
, |
|
|
|
|
|
|
|
|
(1.4.6) |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P x |
|
|
|
P xy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
P = |
|
|
|
|
|
|
P y |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
(P xy )т |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ясно, что для каждого вектора по отдельности для ф.п.р.в. справедливо представление |
||||||||||||||||||||||||||
f x (x) = N (x; x, P x ), |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.7) |
|||||||||||
fy ( y) = N (y; y, P y ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.8) |
|||||||||||
Найдем параметры условной плотности распределения вероятности |
f (x / y) , |
|
полагая |
|||||||||||||||||||||||
фиксированным значение вектора |
|
y . |
Предварительно |
запишем |
выражение |
для |
|
обратной |
||||||||||||||||||
матрицы |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P−1 |
|
A |
|
B |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
= |
|
|
т |
|
|
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.9) |
||
|
|
B |
|
|
C |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
В соответствии с правилами обращения блочных матриц можно записать [1.9, с107] |
|
|||||||||||||||||||||||||
|
x |
− P |
xy |
(P |
y |
−1 |
P |
yx |
−1 |
|
x |
−1 |
+ (P |
x −1 |
P |
xy |
CP |
yx |
(P |
x |
−1 |
,(1.4.10) |
||||
A = P |
|
|
|
|
) |
|
|
= (P |
|
) |
) |
|
|
|
) |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
B = −AP xy (P y )−1 = −(P x )−1 P xy C ,
|
y |
− P |
yx |
(P |
x |
−1 |
P |
xy |
−1 |
y |
−1 |
+ (P |
y |
−1 |
P |
yx |
AP |
xy |
(P |
y |
−1 |
. |
C = P |
|
|
|
) |
|
= (P |
|
) |
|
) |
|
|
|
) |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Используя (1.4.2) с учетом (1.4.6) и (1.4.8) можем записать
|
|
|
|
|
|
т |
|
|
т |
|
P |
x |
P |
xy |
||||
|
|
N |
(x т , y т ) ; (x т , y |
т ) |
, |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
(P xy )т |
P y |
||||
f (x / y) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
N ( y; y, P y ) |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Это выражение нетрудно преобразовать к виду [1.9] |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
, |
|
|
f (x / y) = |
|
|
|
|
|
|
|
|
exp − |
|
J (x, y) |
|
|
|||||
|
|
|
|
|
|
|
|
2 |
|
|
||||||||
|
|
(2π)n / 2 |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
P y |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.11)
(1.4.12)
(1.4.13)
80 |
|
|
|
|
|
|
в котором |
|
|
|
|
|
|
J (x, y) = [(x − x)T ( y − y)T ] A |
B |
y |
−1 |
x − x |
. |
|
|
T |
C − (P |
) |
|
|
|
B |
|
|
( y − y) |
Учитывая (1.4.11), (1.4.12), можем записать
|
|
|
|
|
|
J (x, y) = [(x − x)т , ( y − y)т ] A |
|
B |
|
y |
|
−1 |
|
(x − x) |
= |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T |
C − |
(P |
) |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
B |
|
|
|
( y − y) |
|
|||||||
= (x − x)т A(x − x) + (x − x)т B( y − y) + ( y − y)т B т (x − x) + ( y − y) |
т C − (P y )−1 ( y − |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= (x − x)т A(x − x) + 2(x − x)т AP xy (P y )−1 ( y − y) + ( y − y)т (P y )−1 P yx AP xy |
(P y )−1 ( y |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
xy |
(P |
y |
−1 |
т |
|
|
|
xy |
(P |
y |
|
−1 |
|
|
|
||
|
|
|
|
|
(x − x) − P |
|
|
) |
( y − y) |
A (x − x) − P |
|
|
) |
( y − y) . |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Отсюда следует, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
J (x, y) = (x − xˆ)т A(x − xˆ) , |
|
|
|
|
|
|
|
|
|
|
|
|||||||
ˆ = |
x |
+ |
P |
xy |
(P |
y −1 |
( y |
− |
y) . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где x |
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Преобразуем теперь первый сомножитель в (1.4.13). Запишем
y) =
− y) =
(1.4.14)
|
|
P x |
|
|
P xy |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
|
|
xy |
|
|
|
|
En |
|
|
|
0 |
|||||||||||||||||||||||||||||||||||||||||||
|
|
x |
|
|
|
|
|
|
|
xy |
|
|
y |
|
|
|
|
yx |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
P = |
|
|
|
|
|
|
|
|
|
|
|
|
|
= P |
|
|
|
|
|
− |
P |
|
|
|
|
(P |
|
|
|
) |
|
|
|
|
P |
|
|
|
|
|
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
(P xy )т |
|
|
P y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P y |
(P y ) |
|
P yx |
|
|
Em |
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
Отсюда с очевидностью получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
и таким образом |
|
|
P |
|
= |
|
P x − P xy (P y )−1 P yx |
|
P y |
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
|
|
|
|
− P xy (P y )−1 P yx |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
= |
P x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.15) |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
P y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f (x / y) является |
|||||||||||||||||||
Анализ соотношений (1.4.13)-(1.4.15) показывает, что условная плотность |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
гауссовской, т.е. f (x / y) |
= |
|
|
|
|
|
|
ˆ |
|
|
|
|
|
x / y |
), |
|
|
|
а |
|
|
ее |
|
параметры |
|
|
|
определяются |
|
с помощью |
|||||||||||||||||||||||||||||||||||||||||||||||||||||
|
N (x; x( y), P |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
следующих соотношений |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ˆ |
= |
x |
+ |
P |
xy |
(P |
y |
|
|
−1 |
( y |
− |
|
y) , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.16) |
||||||||||||||||||||||||||||||||||||
|
|
|
x( y) |
|
|
|
|
|
|
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
P x / y |
|
|
= P x |
− P xy (P y )−1 (P xy )т . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.4.17) |
Соотношения (1.4.16), (1.4.17) определяют правило нахождения параметров условной гауссовской плотности для двух совместно гауссовских векторов.
1.4.3 Примеры нахождения параметров условной гауссовской плотности
81
Конкретизируем полученные в предыдущем подразделе выражения для двух примеров. Пример 1.4.1. Пусть задан двумерный центрированный гауссовский случайный вектор
x = (x1 , x2 )т с матрицей ковариаций вида (1.2.14). Требуется найти параметры условной гауссовской плотности для первой его компоненты в предположении, что вторая компонента зафиксирована.
С учетом (1.2.14), (1.2.15), (14.16), (1.4.17) можно записать следующие соотношения для условного математического ожидания и условной дисперсии
|
xˆ = r |
σ1 |
x |
|
|
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
1 |
|
σ |
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ12усл |
=σ12 (1− r 2 ) , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
т.е. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
σ1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
exp − |
|
|
|
|
|
|
. |
|||||
|
f (x |
/ x |
2 |
) |
= |
|
|
|
|
|
|
|
|
x |
− r |
x |
2 |
|
|
||||||
|
|
|
|
|
|
2 |
|
|
2 |
2 |
|
|
|||||||||||||
|
1 |
|
|
|
|
|
σ |
|
2π(1 − r |
) |
|
2(1 − r |
1 |
|
σ2 |
|
|
|
|||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
)σ1 |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
На Рис. 1.4.1 |
представлены графики условных плотностей приσ1 = σ2 =1 |
при различных |
|||||||||||||||||||||||
значениях r и |
x2 =1 . Из графиков следует, |
что при увеличении коэффициента корреляции |
условная дисперсия уменьшается. Это вполне закономерно, поскольку коэффициент корреляции отражает степень статистической зависимости одной величины относительно другой. Чем больше эта зависимость, тем существеннее уменьшается условная дисперсия по
|
|
|
|
|
|
σ1 |
|
|
|
|
|
f (x |
/ x |
|
|
x − |
x |
|
|
|
|
сравнению с априорной. Нетрудно заметить, что при r →1 , |
2 |
) → δ |
|
2 |
|
. |
||||
|
||||||||||
|
1 |
|
|
1 |
σ2 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
f(x1/ x2)
2.5 |
r=0.99 |
|
2
1.5
|
|
|
|
1 |
|
r=0.95 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.5 |
|
r=0.7 |
|
|
|
|
|
r=0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
4 |
|
-4 |
x1 |
||||||||
|
|
|
|
|
|
|
|
|
Рис.1.4.1 Графики гауссовской условной плотности распределения при различных значениях нормированного коэффициента корреляции. ♦
82
Пример 1.4.2. Пусть так же, как и в примере 1.3.5, для двух векторов x и v размерности n и m определены математическое ожидание и матрица ковариаций, и, кроме того, известно, что их совместное распределение гауссовское, т.е.
|
x x |
|
x |
B |
|
(1.4.18) |
fx,v (x, v) = N |
; , P |
|
. |
|||
|
v v |
BT |
Pv |
|
||
|
|
|
|
|
|
|
Пусть вектор y связан с x и v соотношением вида |
|
|
||||
y = Hx + v . |
|
|
|
|
(1.4.19) |
Необходимо найти условную плотность распределения вероятности f (x / y) .
В решении этой задачи удобно выделить два этапа.
Суть первого этапа сводится к нахождению плотности распределения вероятности совместного вектора, включающего x и y . В разделе 1.3.3 (пример 1.3.5) было показано, что
|
x |
x |
|
P |
x |
P |
x |
H |
т |
+ B |
|
.(1.4.20) |
fx,y (x, y) = N |
; |
|
, |
|
|
|
|
|||||
|
y Hx + v B т + HP x |
HP x H т + |
HB + B тH т + Pv |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Искомую плотность f (x / y) легко получить на втором этапе, используя приведенное выше
правило нахождения условной гассовской плотности. Применяя это правило, получаем, что
f (x / y) |
= |
ˆ |
x / y |
), |
(1.4.21) |
|
N(x; x( y), P |
|
где условное математическое ожидание и условная матрица ковариаций в соответствии с выражениями (1.4.16), (1.4.17) определяются как
xˆ( y) = x + (P x H т + B)(HP x H т + HB + B тH т + Pv )−1( y − Hx − v) , |
(1.4.22) |
P x / y = P x − (P x H т + B)(HP x H т + HB + B тH т + Pv )−1 (B т + HP x ) . |
(1.4.23) |
В частном случае, когда векторы x и v независимы и v = 0 , эти выражения упрощаются
xˆ( y) = x + K ( y − Hx) , |
(1.4.24) |
K = P x H т(HP x H т + Pv )−1 , |
(1.4.25) |
P x / y = P x − P x H т(HP x H т + Pv )−1 HP x . |
(1.4.26) |
Для вычисления условной матрицы ковариаций может быть также использовано
соотношение |
|
|
|
|
−1 |
|
−1 |
P x / y = P x − P x H т(HP x H т + Pv )−1 HP x = |
(P x ) |
+ H т(Pv )−1 H |
, (1.4.27) |
|
|
|
|
в справедливости которого легко убедиться с помощью леммы об обращении матриц. Принимая во внимание соотношение (1.4.27) и очевидную цепочку равенств [1.9]
83
P x H т (HP x H т + Pv )−1 = [(P x )−1 + H т (Pv )−1 H ]−1 [(P x )−1 + H т (Pv )−1 H ]P x H т (HP x H т + Pv )−1 = |
|||||||||
= P x / y [H т + H т (Pv )−1 HP x H т ](HP x H т + Pv )−1 = P x / y H т (Pv )−1 , |
|||||||||
для матрицы K в (1.4.25) получаем следующее выражение |
|
|
|
|
|||||
|
K = P x / y H т (P v )−1 .♦ |
|
|
|
|
(1.4.28) |
|||
По аналогии с результатом, полученным в примере для |
f (x / y) , можно показать, что (см. |
||||||||
задачу 1.4.2) |
|
|
|
|
|
), |
|
|
|
|
f ( y / x) |
= |
|
ˆ |
y / x |
|
|
(1.4.29) |
|
|
|
N (y; y(x), P |
|
|
|
||||
где |
|
|
|
|
|
|
|
|
|
|
yˆ(x) = Hx + v + B т(P x )−1(x − x) , |
|
(1.4.30) |
||||||
|
P y / x = Pv − B т (P x )−1 B . |
|
|
|
(1.4.31) |
||||
Нетрудно заметить, что |
vˆ(x) = v + Bт (P x )−1(x − x) |
и |
|
P y / x = P v / x |
|
представляют собой |
|||
условное математическое ожидание и матрицу ковариаций вектора |
v |
при фиксированном |
|||||||
значения вектора x . Это |
вполне объяснимо, |
поскольку |
y = Hx + v , |
и при фиксации x |
|||||
математическое ожидание и матрица ковариаций случайного вектора |
y |
будут определяться |
|||||||
условным математическим ожиданием и условной матрицей ковариаций вектора v . |
|||||||||
Наиболее важные выражения, связанные с задачей нахождения |
параметров условной |
гауссовской плотности широко и часто используемые при решении задач оценивания, сведены в таблицу 1.4.1.
Таблица 1.4.1.
Нахождение параметров условной гауссовской плотности
|
|
|
Условия |
|
|
|
|
|
|
|
|
Задача |
|
|
|
|
|
Решение |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Найти |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
) |
|
|
|
Задана ф.п.р.в. |
|
|
|
|
|
|
|
условную |
|
f (x / y) |
|
= |
N |
|
ˆ |
|
|
|
|
|
x / |
y |
|
|||||||||||||
|
|
|
x ; |
x , |
|
P |
x |
|
P |
xy |
|
|
ф.п.р.в. |
|
|
|
|
(x; x( y), P |
|
|
|
|
|
|||||||||||||||
f |
x, y |
(x, y) = N |
|
|
|
|
f (x / y) |
|
ˆ |
|
= |
|
|
+ |
|
xy y |
|
−1 |
|
|
− |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
P y |
|
|
|
|
|
x |
|
P |
|
(P |
) |
|
( y |
|
y) |
|||||||||||||
|
|
y |
y |
(P xy )т |
|
|
для |
|
x( y) |
|
x |
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
x / y |
= P |
− P |
xy |
(P |
y |
) |
−1 |
(P |
xy |
) |
т |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вектора |
x |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Найти |
|
|
f (x / y) |
= |
|
|
|
ˆ |
|
|
|
|
|
x / y |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
условную |
|
|
|
N (x; x( y), P ), |
|
||||||||||||||||||
|
|
Задана ф.п.р.в. |
|
|
|
|
|
|
|
|
xˆ( y) = x + K ( y |
− Hx) , |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
ф.п.р.в. |
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
K = P x H т(HP x H |
т + Pv )−1 , |
|||||||||||||||||||||||||||
|
|
|
|
x x |
|
|
x |
|
|
|
|
f (x / y) |
|
|||||||||||||||||||||||||
|
fx,v (x,v) = N |
|
; |
, P |
|
|
0 |
|
|
|
|
|
P x / y = P x − P x H т (HP x H т + Pv )−1 HP x , |
|||||||||||||||||||||||||
|
|
|
|
v 0 |
|
0 |
|
Pv |
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
||
|
|
|
и вектор |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
+ H т |
|
|
|
|
|
|
|
|
|
||||||||
|
|
y = Hx + v |
|
|
|
|
|
|
|
|
|
|
P x / y = (P x ) |
|
(Pv )−1 H , |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K = P x / y H т (Pv )−1 . |
|
|
|
|
|
84
Найти
условную ф.п.р.в. f ( y / x)
f ( y / x) = N(x; yˆ(x), P y / x ),
yˆ(x) = Hx + v + (B т + HP x )(P x )−1(x − x) ,
P y / x = Pv − B т (P x )−1 B .