Слайд 1Глава 4. Системы случайных величин
Слайд 2§4.1. Системы случайных величин
Часто результат опыта описывается не одной случайной
величиной X, а не-
сколькими случайными величинами:
Х1, Х2, …, Хn.
В этом случае принято
говорить, что указанные случайные величины образуют систему
(Х1, Х2, …, Хn).
Слайд 3 Систему двух случайных величин
(Х, Y) можно изобразить случайной точкой
на плоскости.
Событие, состоящее в попадании случайной точки (X, Y)
в область D, принято обозначать в виде (X, Y) D.
Закон распределения системы двух дискретных случайных величин может
быть задан с помощью таблицы:
Слайд 6т.е.
F(x1, x2 ,…, xn )=P(X1 < x1, X2 < x2
,…, Xn < xn).
Примечание. Функцию F(x1, x2 ,…, xn )
называют также совместной функцией распределения случайных величин
Х1, Х2, …, Хn.
В двумерном случае для случайной величины (X, Y) функция распределения F(x, y) определяется равенством
F(x, y) = P(X < x, Y < y).
Слайд 7
Геометрически функция распределения F(x, y) означает вероятность попадания случайной точки
(X, Y) в бесконечный квадрант, лежащий левее и ниже точки
M(x, y). Правая и верхняя границы области в квадрант не включаются – это означает, что функция распределения непрерывна слева по каждому из аргументов.
Слайд 9Отметим свойства функции распределения двумерной случайной величины, аналогичные свойствам функции
распределения одномерной случайной величины.
1. Функция распределения F(x, y) есть неотрицательная
функция, заключённая между нулём и единицей, т.е.
0 ≤ F(x, y) ≤ 1.
Слайд 102. Функция распределения F(x, y) есть неубывающая функция по каждому
из аргументов, т.е.
при x2
> x1 F(x2 , y) ≥ F(x1, y),
при y2 > y1 F(x, y2 ) ≥ F(x, y1).
3. Если хотя бы один из аргументов обращается в –∞, то функция распределения F(x, y) равна нулю, т.е. F(–∞, y) = F(x, –∞) = F(–∞,–∞) = 0.
Слайд 114. Если один из аргументов обращается в +∞, то функция
распределения F(x, y) становится равной функции распределения случайной величины, соответствующей
другому аргументу:
F(x, +∞) = F1(x),
F(+∞, y) = F2 ( y),
где F1(x) и F2 ( y) – функции распределения случайных величин Х и Y, т.е.
F1(x) = P(X < x), F2 ( y) = P(Y < y).
Слайд 125. Если оба аргумента равны +∞, то функция распределения равна
единице: F(+∞,+∞) = 1.
Закон распределения системы непрерывных случайных величин (X,
Y) будем задавать с помощью функции плотности вероятности f (x, y).
Слайд 17
Математические ожидания mx и my можно найти и проще, если
случайные величины Х и Y независимы. В этом случае из
законов распределения этих случайных величин можно определить математические ожидания mx и my по формулам, приведенным в §3.2.1, для дискретных и непрерывных случайных.
Слайд 20Корреляционным (ковариационным) моментом СВ X и Y называется число
K(x,y)=M{(X-M[X])(Y-M[Y])}=M[XY]-M[X]M[Y].
Для
дискретных СВ: K(x,y)=
Для непрерывных СВ: K(x,y)=
=
Слайд 21Случайные величины Х и Y называются независимыми, если вероятность одной
из них принять значение, лежащее в любом промежутке области её
значений, не зависит от того, какое значение приняла другая величина. В этом случае М(ХY) = М(Х) М(Y).
Ковариация двух случайных величин характеризует как степень зависимости
случайных величин, так и их рассеяние вокруг точки (mx, my).
Слайд 24Свойства коэффициента корреляции:
1. Коэффициент корреляции удовлетворяет условию: -1≤ rxy
≤1.
2. Если случайные величины Х и Y независимы, то
rxy = 0.
3. Если случайные величины Х и Y связаны точной линейной зависимостью
Y=aX+b , то rxy = 1 при а > 0 и
rxy = –1 при а < 0.
Слайд 25Пример. В двух ящиках находятся по шесть шаров; в первом
ящике: 1 шар с
№1, 2 шара с №2, 3
шара с №3; во втором ящике: 2 шара с №1, 3 шара с №2, 1 шар с №3. Пусть Х – номер шара, вынутого из первого ящика, Y – номер шара, вынутого из второго ящика. Из каждого ящика вынули по шару. Составить таблицу закона распределения системы случайных величин (X, Y). Найти математические ожидания и дисперсии случайных величин X и Y. Определить
коэффициент корреляции.
Слайд 26Решение.
Случайная точка (1, 1) имеет кратность 1
2 = 2;
–
// – (1, 2) – // – 1 3 = 3;
– // – (1, 3) – // – 1 1 = 1;
– // – (2, 1) – // – 2 2 = 4;
– // – (2, 2) – // – 2 3 = 6;
– // – (2, 3) – // – 2 1 = 2;
– // – (3, 1) – // – 3 2 = 6;
– // – (3, 2) – // – 3 3 = 9;
– // – (3, 3) – // – 3 1 = 3.
Слайд 27
Всего случайных точек 6 6 = 36
(n-кратную точку
принимаем за n точек). Так как отношение кратности точки ко
всему количеству точек равно вероятности появления этой точки, то таблица закона распределения системы случайных величин имеет вид
Слайд 28
Сумма всех вероятностей, указанных в таблице, равна единице.
Слайд 30Точка (7/3; 11/6) является центром рассеивания для заданной системы (X,
Y). Так как случайные величины X и Y независимы, то
математические ожидания mx и my можно подсчитать проще, используя ряды распределения:
![Корреляционным (ковариационным) моментом СВ X и Y называется число K(x,y)=M{(X-M[X])(Y-M[Y])}=M[XY]-M[X]M[Y].Для дискретных СВ: K(x,y)=Для непрерывных СВ: K(x,y)==](/img/thumbs/8dba356bf6e16b3974546a8c8370f508-800x.jpg "Глава 4. Системы случайных величин Корреляционным (ковариационным) моментом СВ X и Y называется число K(x,y)=M{(X-M[X])(Y-M[Y])}=M[XY]-M[X]M[Y].Для дискретных СВ: K(x,y)=Для непрерывных СВ: K(x,y)==")
