- •1 Случайные события
- •1.1 Основные понятия и определения
- •1.2 Аксиомы теории вероятностей
- •1.3 Классическая схема вычисления вероятностей
- •1.3.1 Декартово произведение множеств и правило умножения
- •1.3.2 Размещения и перестановки
- •1.3.3 Сочетания при выборе с возвращением и без возвращения
- •1.3.4 Схема упорядоченных разбиений множества
- •1.4 Геометрическая, статистическая и экспертная схемы расчета
- •1.4.1 Геометрическая схема вычисления вероятности
- •1.4.2 Статистическая схема вычисления вероятности
- •1.4.3 Схема вычисления субъективной вероятности
- •1.5 Условная вероятность. Независимость событий. Формулы сло-
- •1.6 Формула полной вероятности и формулы Байеса
- •2 Случайные величины
- •2.1 Cлучайная величина и ее функция распределения
- •2.2 Дискретная случайная величина
- •2.2.1 Дискретный закон распределения
- •2.2.2 Числовые характеристики дискретного распределения
- •2.2.3 Производящая функция вероятностей
- •2.2.4 Биномиальное распределение
- •2.2.5 Распределение Пуассона
- •2.2.6 Геометрическое распределение
- •2.3 Непрерывные случайные величины
- •2.3.1 Функция распределения и плотность распределения
- •2.3.2 Числовые характеристики непрерывного распределения
- •2.3.3 Равномерное распределение
- •2.3.4 Нормальное распределение
- •2.3.5 Показательное распределение
- •2.4 Функция от случайной величины
- •3 Случайные векторы
- •3.1 Общие свойства случайного вектора
- •3.2 Случайные векторы дискретного типа
- •3.3 Непрерывные случайные векторы
- •4 Предельные теоремы
- •4.1 Закон больших чисел
- •4.2 Центральная предельная теорема
- •5 Элементы математической статистики
- •5.1 Выборка и выборочные законы распределения
- •5.2 Точечные оценки числовых характеристик случайных величин
- •5.3 Интервальные оценки
- •5.4 Проверка статистических гипотез
3.3 Непрерывные случайные векторы
Определение непрерывного двумерного случайного вектора.
Двумерный случайный вектор (X, Y ) называют непрерывным, если суще-
ствует неотрицательная функция двух переменных fX,Y(x, y) , называемая
совместной плотностью вероятности, которая позволяет найти вероят-
ность события D на плоскости путем вычисления двойного интеграла
∫ ∫
P {(X, Y ) ∈ D} =
D
f (x, y)dxdy.
Функция распределения FX,Y(x, y) двумерного случайного век-
тора как дискретного, так и непрерывного определена как вероятность по-
падания в ѕюго–западныйї квадрант с вершиной в любой точке (x, y) ∈ R2:
FX,Y(x, y) = P (X (ω) < x, Y (ω) < y) .
Отсюда следует, что все основные свойства функции распределения, выведен-
ные ранее, сохраняются и для непрерывного случайного вектора. Из сформу-
лированного выше определения непрерывного двумерного случайного векто-
ра дополнительно следует, что его функция распределения FX,Y(x, y) может
84
быть выражена через совместную плотность вероятности по формуле
FX,Y(x, y) =
x
∫
y
∫
f (u, v)dudv.
−∞ −∞
Из данной формулы и свойства двойного интеграла с переменным верх-
ним пределом вытекает, что функция распределения FX,Y(x, y) непре-
рывного случайного вектора является непрерывной функцией . Гра-
фик функции распределения FX,Y(x, y) непрерывного случайного вектора
представляет собой график непрерывной функции двух аргументов, задан-
ной на всей плоскости, неубывающей по каждому из аргументов и изменяю-
щейся в диапазоне от нуля до единицы.
Свойства совместной плотности вероятности непрерывного
случайного вектора приводятся ниже для двумерного случая.
1. Совместная плотность вероятности задана на всей плоскости и
является неотрицательной функцией: f (x, y) ≥ 0, (x, y) ∈ R2.
2. Справедлива формула нормировки для плотности
∞
∫
∞
∫
fXY(x, y)dxdy = 1.
−∞ −∞
Данное свойство следует из свойства F (+∞, +∞) = 1 двумерной функ-
ции распределения в приложении к непрерывному случайному вектору.
3. В каждой точке непрерывности двумерной плотности вероятно-
сти fXY(x, y) справедлива формула FXY00(x, y) = fXY(x, y) .
Данное свойство следует из теоремы о дифференцировании двойного
интеграла с переменными верхними пределами.
4. Справедливы формулы согласованности для плотностей
fX(x) =
∞
∫
−∞
fXY(x, y)dy, fY(y) =
∞
∫
−∞
fXY(x, y)dx.
Действительно, общие формулы согласованности для двумерной функ-
ции распределения имеют вид FX,Y(x, +∞) = FX(x) , FX,Y(+∞, y) = FY(y)
и для непрерывного случайного вектора записываются в следующей форме:
x
∫
du
∞
∫
f (u, y)dy = FX(x),
y
∫
dv
∞
∫
f (x, v)dx = FY(y).
−∞
−∞
85
−∞
−∞
Дифференцируем обе части данных равенств по переменным x , y стоящим
на верхнем пределе в соответствующих интегралах. Используя утверждение
о том, что производная интеграла с переменным верхним пределом равна
подынтегральной функции от верхнего предела в каждой точке непрерывно-
сти подынтегральной функции, получим доказываемые формулы.
В качестве реальных задач, которые моделируются двумерными непре-
рывными случайными векторами можно назвать:
1. Случайный вектор (X, Y ) , где (X, Y ) координаты точки попадания
при стрельбе по плоской мишени.
2. Случайный вектор (X, Y ) , где X результат измерения первого пара-
метра, а Y результат измерения второго параметра.
В практических задачах часто применяются двумерное равномерное
распределение и двумерное нормальное распределение.
Двумерное равномерное распределение в области D определяется сов-
местной плотностью вероятности вида
fXY(x, y) = 1/SD, ∀(x, y) ∈ D.
Здесь SD– площадь области D .
Двумерное нормальное распределение содержит пять параметров рас-
пределения µx, µy, σx, σy, ρ и задается совместной плотностью вероятности:
1
fX,Y(x, y) =
2πσxσyⲚ1− ρ2
exp
exp
[
−
1
2(1 − ρ2)
((x − µx)2
-
σ
2
x
− 2ρ(x
−µx)(y − µy)
σxσy
+
(y − µy)2]
-
σ
2
y
.
Теорема (о независимости непрерывных случайных величин).
Случайные величины непрерывного типа X (ω) , Y (ω) независимы тогда
и только тогда, когда их совместная плотность распределения вероятно-
стей равна произведению одномерных плотностей вероятностей:
fX,Y(x, y) = fX(x) · fY(y), ∀(x, y) ∈ R2.
Доказательство следует из общего условия независимости компо-
нент двумерного случайного вектора в виде FX,Y(x, y) = FX(x) · FY(y ) и
равенств FXY00(x, y) = fX,Y(x, y) , FX0(x) = fX(x) , FY0(y) = fY(y) дифферен-
цированием данного условия по переменным x и y .
86
Общая формула вычисления математического ожидания функции
ψ(X, Y ) компонент двумерного непрерывного случайного вектора, имеет вид
M [ψ(X, Y )] =
∞
∫
∞
∫
ψ(x, y)fXY(x, y)dxdy.
−∞ −∞
С помощью данной формулы выводятся свойства математического ожидания
и дисперсии для непрерывного случайного вектора.
Основные числовые характеристики для непрерывного случайного век-
тора (X, Y ) вычисляются по следующим формулам:
1. Математическое ожидание компоненты X :
mx= M (X ) =
∞
∫
∞
∫
xfX,Y(x, y)dxdy =
∞
∫
xfX(x)dx.
−∞ −∞
2. Математическое ожидание компоненты Y :
−∞
my= M (Y ) =
∞
∫
∞
∫
yfX,Y(x, y)dxdy =
∞
∫
yfY(y)dy.
−∞ −∞
−∞
3. Дисперсия и стандартное отклонение компоненты X :
Dx= D(X ) = M[(X − mx)2]=M(X2− m2x=
=
∞
∫
∞
∫
(x − mx)2fX,Y(x, y)dxdy =
∞
∫
(x − mx)2fX(x)dx, σx= ⲚDx.
−∞ −∞
−∞
4. Дисперсия и стандартное отклонение компоненты Y :
Dy= D(Y ) = M[(Y − my)2]=M(Y2− m2y=
=
∞
∫
∞
∫
(y − my)2fX,Y(x, y)dxdy =
∞
∫
(y − my)2fY(y)dy, σy= ⲚDy.
−∞ −∞
−∞
5. Ковариация двух случайных компонент X, Y :
Kxy= M [(X − mx)(Y − my)] =
∞
∫
∞
∫
(x − mx)(y − my)fX,Y(x, y)dxdy.
−∞ −∞
87
Коэффициент корреляции для непрерывных случайных величин выра-
жается через ковариацию по той же формуле
ρxy= √
Kxy
=
Kxy
,
Dx· ⲚDy
σxσy
что и для дискретного случая, так что все свойства коэффициента корреля-
ции, перечисленные ранее, сохраняются.
Пример. Пусть двумерное равномерное распределение в области D
определяется совместной плотностью вероятности вида
fXY(x, y) = 2, ∀(x, y) ∈ D,
где область D представляет собой треугольник на плоскости Oxy с верши-
нами (0, 0) , (0, 1) , (1, 0) , имеющий площадь SD= 1/2 .
1. Найти плотности распределения fX(x) и fY(y ) компонент X (ω) и Y (ω) .
2. Установить зависимы или независимы компоненты X (ω) и Y (ω) .
3. Найти основные числовые характеристики случайного вектора.
4. Вычислить вероятность события {X ≥ Y } .
Решение. Для нахождения одномерных плотностей вероятности fX(x)
и fY(y) воспользуемся условиями согласованности:
fX(x) =
fY(y) =
∞
∫
−∞
∞
∫
fXY(x, y)dy = 2
fXY(x, y)dx = 2
1−x
∫
dy = 2(1 − x), x ∈ [0, 1],
0
1−y
∫
dx = 2(1 − y), y ∈ [0, 1].
−∞
0
Вне указанных интервалов плотности компонент fX(x) и fY(y) равны нулю.
Условие независимости fX,Y(x, y) = fX(x) · fY(x), ∀(x, y) ∈ R2не вы-
полняется, например, в точке (x, y) = (1/3; 1/3) , где 26= 2(1−1/3)2(1−1/3) ,
так что случайные величины X (ω) и Y (ω) являются зависимыми.
Математические ожидания и дисперсии удобно вычислять, пользуясь
уже найденными одномерными плотностями fX(x) и fY(y) :
mx=
∞
∫
−∞
xfX(x)dx =
1
∫
0
x · 2(1 − x)dx =
88
(
x2−
2
3x3
1
0
=
1
3
,
my=
∞
∫
−∞
yfY(y)dy =
1
∫
0
y · 2(1 − y)dy =
(
y2−
2
3y3
1
0
=
1
3
,
Dx=
∞
∫
−∞
∞
∫
x2fX(x)dx − m2x=
1
∫
0
1
∫
x2· 2(1 − x)dx −
1
9
1
=
( 2x3
3
( 2y3
−
2x4
4
2y4
−
1
9
1
=
1
18
1
,
Dy=
−∞
y2fY(y)dy − m2y=
0
y2· 2(1 − y)dy −
√
9
=
3
√
−
4
−
9
=
18
,
σx= ⲚDx = 1/
18, σy= ⲚDY = 1/
18.
Ковариация случайных величин X (ω) и Y (ω) может быть вычислена
только по совместной функции распределения fXY(x, y) в следующем виде:
Kxy=
∞
∫
∞
∫
xyfX,Y(x, y)dxdy − mxmy= 2
1
∫
xdx
1−x
∫
ydy −
1
9
=
=
( x2
2
−
−∞ −∞
2x3
+
3
x4
4
1
0
−
1
9
= −
1
36
0
. Отсюда, ρxy=
0
Kxy
σxσy
=
−1
36
1
18
= −
1
2
.
Вероятность события {X ≥ Y } находим по определяющей формуле:
P {(X, Y ) ∈ G} =
∫ ∫
f (x, y)dxdy = 2
0,5
∫
dy
1−y
∫
dx =
0,5
∫
G:x≥y
0
1
y
= 2
0
(1 − 2y)dy = 2(y − y2)0,5
89
0=
2
.