- •1.2. Статистическое определение вероятности
- •1.3. Классификация случайных событий
- •1.4. Операции над событиями
- •1.5. Классическое определение вероятности
- •1.6. Основные теоремы теории вероятностей
- •1.7. Формула полной вероятности. Формула Байеса (гипотез)
- •Тема 2. Повторные независимые испытания
- •2.1. Формула Бернулли
- •2.2. Формула Пуассона (редких событий)
- •2.3. Локальная теорема Муавра-Лапласа
- •Свойства функции Гаусса.
- •2.4. Интегральная теорема Муавра-Лапласа
- •Свойства функции Лапласа
- •Следствия из интегральной теоремы Муавра-Лапласа
- •Тема 3. Дискретная случайная величина
- •3.1. Закон распределения дискретной случайной величины
- •3.2. Арифметические операции над случайными величинами
- •3.3. Параметры распределения дискретной случайной величины
- •Свойства математического ожидания
- •Свойства дисперсии
- •3.4. Функция распределения дискретной случайной величины
- •Свойства функции распределения
- •Тема 4. Непрерывная случайная величина
- •4.1. Плотность распределения непрерывной случайной величины
- •Свойства плотности распределения
- •Парадокс нулевой вероятности
- •Функция распределения непрерывной случайной величины
- •Математическое ожидание и дисперсия непрерывной случайной величины
- •Нормальный закон распределения
- •4.3. Центральная предельная теорема и теоремы Муавра-Лапласа как следствия из нее
- •Тема 5. Двумерные случайные величины
- •5.1. Совместные распределения и их параметры
- •Коэффициент корреляции и его свойства
- •Двумерный нормальный закон распределения
- •Тема 6. Закон больших чисел
- •6.1. Неравенство Чебышёва
- •6.2. Теоремы Бернулли и Чебышёва
- •Математическая статистика Тема 7. Выборочный метод
- •7.1. Оценка неизвестного параметра. Свойства оценок
- •7.2. Первичная обработка результатов эксперимента. Характеристики вариационных рядов
- •7.3. Сплошное и выборочное наблюдения
- •7.4. Оценка генеральной средней
- •7.5 Оценка генеральной доли
Коэффициент корреляции и его свойства
Определение. Коэффициентом корреляции случайных величин Х и Y называется число, определяемое равенством
где
Коэффициент корреляции является мерой тесноты линейной связи между переменными.
Величина называется ковариацией и обозначается .
Замечание. Из свойства математического ожидания (см. § 3.3) следует, что, если случайные величины Х и Y независимы, то коэффициент корреляции равен нулю. Существенно, что обратное утверждение неверно, т.е. в общем случае из условия равенства коэффициента корреляции нулю не следует, что данные случайные величины независимы.
Упражнение. Совместное распределение случайных величин X иY имеет вид:
|
0 |
1 |
0 |
0,2 |
0,2 |
1 |
0,3 |
0,3 |
Упражнение. По совместному распределению Примера # вычислить коэффициент корреляции. (Ответ. )
Упражнение. Совместное распределение величин X иY имеет вид:
|
0 |
1 |
|
-1 |
0,2 |
0 |
|
0 |
0 |
0,6 |
|
1 |
0,2 |
0 |
Теорема (Область возможных значений коэффициента корреляции). Модуль коэффициента корреляции не превосходит1, т.е.
Теорема. Если модуль коэффициента корреляции двух случайных величин равен 1, то между этими случайными величинами существует линейная функциональная зависимость.
Пример. Пусть совместный закон распределения случайных величин X иY имеет вид:
|
1 |
2 |
0 |
0,4 |
0 |
1 |
0 |
0,6 |
Из определения ковариации следует, что
Другими словами, ковариация является мерой неравенства между математическим ожиданием произведения двух случайных величин и произведением их математических ожиданий. Аналогично, применительно к дисперсии, справедливо равенство
Двумерный нормальный закон распределения
Определение. Случайная величина называется распределенной по двумерному нормальному закону с параметрами , если ее плотность распределения имеет вид:
,
где
Теорема. Пусть двумерная случайная величина имеет двумерный нормальный закон распределения. Тогда корреляционные зависимости между X и Y – линейны:
где
Это важное свойство двумерного нормального закона будет использовано нами позже при рассмотрении теории корреляции.