- •Содержание
- •Глава 1. Вероятность событий
- •§1. Пространство элементарных исходов. Операции над событиями. Отношения между событиями.
- •Операции над событиями.
- •Свойства операций над множествами
- •Задачи для самоконтроля к §1
- •§ 2 Классическое определение вероятности. Основные свойства вероятности.
- •§ 3 Основные формулы комбинаторики.
- •3.1 Принцип (правило) умножения.
- •3.2 Перестановки.
- •3.3 Размещения.
- •3.4 Сочетания.
- •3.5 Гипергеометрическое распределение.
- •§4 Общее определение вероятности.
- •Геометрические вероятности
- •Задание вероятности на дискретном пространстве элементарных исходов
- •Задачи для самоконтроля к §2,3,4
- •§5 Условная вероятность
- •§6 Независимость событий.
- •Задачи для самоконтроля к §5, 6
- •§7 Формула полной вероятности.
- •§8 Формула Байеса.
- •Задачи для самоконтроля к §7, 8
- •§9 Последовательность испытаний (схема Бернулли ).
- •Задачи для самоконтроля к §9
- •§ 10 Предельные теоремы в схеме Бернулли.
- •10.1 Локальная теорема Муавра – Лапласа.
- •10.2 Интегральная теорема Муавра – Лапласа.
- •10.3 Формула Пуассона (формула редких событий).
- •10.4 Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях.
- •Задачи для самоконтроля к §10
- •Глава 2 Случайные величины.
- •§1 Случайные величины и функция распределения.
- •§2 Дискретные случайные величины.
- •2.1 Ряд распределения.
- •2.2 Функция распределения дискретной с.В.
- •2.3 Математическое ожидание дискретной случайной величины.
- •2.4 Дисперсия.
- •Задачи для самоконтроля к §2
- •§3 Важнейшие дискретные случайные величины
- •Биномиальное определение
- •Геометрическое распределение
- •Распределение Пуассона
- •Задачи для самоконтроля к §3
- •§4 Непрерывные случайные величины.
- •4.1 Плотность распределения
- •4.2 Математическое ожидание и дисперсия непрерывной с.В.
- •4.3 Квантиль.
- •Задачи для самоконтроля к §4
- •§5 Важнейшие непрерывные случайные величины.
- •5.1 Равномерное распределение
- •5.2 Экспоненциальное ( показательное) распределение
- •5.3 Нормальное распределение.
- •Задачи для самоконтроля к §5
- •§6 Двумерные случайные величины.
- •6.1 Дискретная двумерная случайная величина.
- •6.2 Функция распределения двумерной случайной величины.
- •6.3 Непрерывные двумерные случайные величины.
- •§7 Ковариация и корреляция.
- •Задачи для самоконтроля к §6, 7
- •§8 Задача о наилучшем линейном прогнозе.
- •Задачи для самоконтроля к § 8
- •Глава 1
- •Глава 2
- •Литература
6.2 Функция распределения двумерной случайной величины.
Дана двумерная случайная величина (ξ, η). Как уже говорилось, её функция распределения определяется равенством: F(ξ, η)(x,y) = P {ξ < x, η < y} ( в дальнейшем будем писать просто F(x,y) ). Т.е. это вероятность попадания случайной точки с координатами (ξ, η) в бесконечный квадрант с вершиной в точке (x,y).
Теорема 1( свойства функции распределения двумерной с.в.).
0 ≤ F(x,y) ≤ 1.
F(x,y) – неубывающая функция по каждому аргументу.
F (–∞, y) = 0, F(x , – ∞) = 0, F(–∞, –∞) = 0, F(∞, ∞) = 1.
F(x , ∞) = Fξ(x), F(∞, y) = Fh (y)
Вероятность попадания случайной точки (ξ, η) в прямоугольник P {x1 ≤ ξ ≤ x2, y1 ≤ η ≤ y2 } = F(x2,y2) – F(x1,y2) – F(x2,y1) + F(x1,y1)
Доказательство:
1) т.к это вероятность, а она всегда неотрицательна.
2) “Неубывающая по каждому аргументу” означает, что:
если х1 < х2 F(x1, y) ≤ F(x2,y);
если y1 < y2 F(x,y1) ≤ F(x,y2).
Докажем, что функция неубывающая по переменной х:
Пусть х1 < х2. Разобьём событие {ξ < х2, η < у} на два непересекающихся:
Тогда
По определению 1 это
Т.к.
Аналогично доказывается неубывание по переменной у.
3) Докажем первое равенство, остальные доказываются аналогично:
F (–∞, y) = 0.
По определению 1 это Р {ξ < –∞, η < у} = Р{Ø} = 0.
4) F(x , ∞) = Р {ξ < х, η < ∞} = Р{ξ < х} = Fξ(x).
Второе утверждение доказывается аналогично.
5) Геометрически получаем вероятность попадания в прямоугольник путём вычитания вероятностей попадания в квадранты. При этом вероятность попадания в квадрант с вершиной в точке (x1,y1) вычтем дважды, поэтому её надо прибавить
P {x1 ≤ ξ ≤ x2, y1 ≤ η ≤ y2 } = F(x2,y2) – F(x1,y2) – F(x2,y1) + F(x1,y1)
6.3 Непрерывные двумерные случайные величины.
Определение 3. Пусть (ξ, η) – непрерывная двумерная случайная величина. Она, кроме функции распределения, может быть задана двумерной ( совместной ) плотностью распределения р(x,y).
В свою очередь, функцию распределения можно найти как
Теорема 2 (свойства плотности распределения)
1) Р(x,y) ≥ 0.
2)
3)
4) ,
Пример 2. Плотность распределения системы двух случайных величин ξ и η задаётся следующим выражением:
Найти:
1) коэффициент а;
2) функцию распределения;
3) плотности каждой из компонент;
4) вероятность попадания в квадрат .
Решение:
1) Воспользуемся свойством 2 теоремы 2:
2)
3)
4) вероятность
Вычислим эти величины отдельно:
Подставим эти значения и получим :
§7 Ковариация и корреляция.
Определение 1. Пусть дана двумерная с.в. (ξ, η) ( или две одномерные случайные величины ξ и η). Ковариация случайных величин ξ, η определяется равенством:
cov (ξ, η) = M [(ξ – M ξ)( η – M η)]
Иногда используют обозначение к(ξ, η).
Теорема 1(свойства ковариации)
1) сov (ξ, ξ) = Dξ
2) сov (ξ, η) = M(ξ× η) – Mξ× Mη
3) если ξ, η – независимы, то сov (ξ, η) = 0 ( независимость трактуется как отсутствие взаимного влияния друг на друга, и отсутствие причин, влияющих на обе случайные величины)
Доказательство:
1) по определению 1: cov (ξ, ξ) = M[(ξ - M ξ)( ξ - M ξ)] = M[(ξ - M ξ)²] = Dξ
2) сov (ξ, η) = M [(ξ – M ξ)( η – M η)] = M[ξ× η – η× Mξ – ξ× Mη + Mξ× Mη] =
M (ξ× η) – Mξ× Mη – Mξ× Mη + Mξ× Mη = M(ξ× η) – Mξ× Mη.
3)если ξ, η – независимы, то по свойству мат. ожидания, M(ξ× η) = Mξ× Mη. Тогда сov (ξ, η) = M(ξ × η) – Mξ× Mη = Mξ× Mη– Mξ× Mη= 0.
Формулы для вычисления ковариации
Если ξ, η – дискретные с.в., ξ принимает значения из множества {х1, х2, …xn}, η принимает значения из множества {y1, y2, …..yk}, и Pij = P{ξ = xi, η = yj}, то ковариацию вычисляют по формуле
Если ξ, η – непрерывные с.в., и p(x,y) – совместная плотность (ξ, η), тогда ковариацию вычисляют по формуле
Определение 2 . Пусть дана двумерная с.в.(ξ, η) ( или две одномерные случайные величины ξ и η). Коэффициент корреляции ξ и η вычисляется по формуле:
Теорема 2 (свойства коэффициента корреляции)
если ξ, η – независимы, то ρ(ξ, η) = 0
–1 ≤ ρ(ξ, η) ≤ 1
Пусть даны случайные величины ξ и η, причём η = аξ + в, где а,в– некоторые константы (т.е. η линейно зависит от ξ). Тогда ρ(ξ, η) равен либо 1, либо –1.
Замечание: Коэффициент корреляции – это количественная мера линейной зависимости между случайными величинами. Если с.в. независимы, то он равен 0. Если зависимость прямая, т.е. при возрастании ξ, возрастает η, то коэффициент корреляции положительный.Если при возрастании ξ, η убывает, то коэффициент корреляции отрицательный. Чем ближе коэффициент корреляции к границе: к –1 или к 1, тем зависимость сильнее.
Определение 3. Пусть даны случайные величины ξ1, ξ2, ….ξn . Матрица ковариаций состоит из элементов kij = cov (ξi, ξj), i=1,..n, j=1,...n.
К =
Cвойства матрицы ковариаций:
1) Т.к. cov (ξi, ξj) = cov (ξj, ξi), то матрица симметрична относительно главной диагонали.
2) cov (ξi, ξi) = Dx i , т.е. на главной диагонали стоят дисперсии соответствующих случайных величин.
Определение 4. Пусть даны случайные величины ξ1, ξ2, ….ξn Матрица коэффициентов корреляции состоит из элементов ρ ij = ρ (ξi, ξj), i=1,..n, j=1,...n.
R =
Свойства корреляционной матрицы:
1) Она также симметрична относительно главной диагонали.
2) ρ ii =1(по диагонали стоят 1)
Пример 1. Рассмотрим три случайные величины: ξ1 – стипендия в 1-м семестре,
ξ2 – стипендия в 2-м семестре, ξ3 – стипендия в 3-м семестре (числа не соответствуют действительности, они подбирались из соображений простоты вычислений). Дана матрица ковариаций этих случайных величин:
К=
Найти : 1) дисперсии этих случайных величин; 2) матрицу коэффициентов корреляции.
Решение:
1) Dξ1 = cov (ξ1, ξ1) = k11= 36,
Dξ2 = cov (ξ2, ξ2) = k22= 49,
Dξ3 = cov (ξ3, ξ3) = k33= 36.
2)
ρ 11 = ρ 22 = ρ 33 = 1 по свойству матрицы коэффициентов корреляции. Т.к. матрица R симметрична относительно главной диагонали, найти надо, к примеру, элементы ρ 12 ; ρ 23 ; ρ 13 :
Тогда матрица коэффициентов корреляции R:
R =