Реферат: Случайные вектора
Подставим (52.2) в (52.3), тогда
. (52.4)
Представим вероятности в (52.4) через плотности вероятностей, тогда
(52.5)
Это соотношение определяет условную функцию через плотности и . Отметим, что для независимых случайных величин и совместная плотность . При этом, как следует из (52.5), условная функция - не зависит от аргумента (т.е. не зависит от событий вида .
Аналогично (52.3) можно определить функцию случайной величины при условии, что , и затем получить выражение аналогичное (52.5)
. (52.6)
Условная плотность вероятности
Условной плотностью распределения вероятностей случайной величины при условии называется функция:
. (53.1)
Соотношение (52.5) подставим в (53.1), тогда
. (53.2)
Отсюда следует
. (53.3)
- формула умножения для плотностей. Эта формула аналогична формуле умножения вероятностей. Очевидно,
. (53.4)
Данное равенство является аналогом формулы полной вероятности.
Аналогично (53.1) вводится условная плотность распределения вероятности случайной величины при условии как функция вида:
. (53.5)
Отсюда и из (52.6) следуют соотношения:
, (53.6)
. (53.7)
В (53.6) подставим (53.3) и (53.4), тогда:
. (53.8)
Это соотношение аналогично формуле Байеса. Здесь случайные величины и можно поменять местами, тогда получим также верное соотношение для условной плотности , которая определяется через функции и .
Числовые характеристики двумерного случайного вектора
54.1. Пусть случайные величины и имеют совместную плотность вероятности и - функция двух переменных. Тогда - случайная величина, полученная подстановкой случайных величин и вместо аргументов и .
Математическим ожиданием случайной величины называется число
. (54.1)
Если , , тогда из (54.1) следует
, , . (54.2)
Числа называются начальными смешанными моментами порядка случайных величин и . Эти числа применяются в качестве статистических характеристик двумерного случайного вектора. Рассмотрим частные случаи (54.2). 1). , тогда - начальный момент порядка случайной величины . При дополнительном условии получаем - математическое ожидание случайной величины , при - - среднее ее квадрата и т.д. Таким образом, при смешанные моменты (54.2) совпадают с начальными моментами случайной величины . 2). Если положить , тогда - смешанные моменты совпадают с начальными моментами случайной величины . В обоих случаях получаем индивидуальные характеристики одной из случайных величин. 3). Для получения групповой характеристики (54.2), отражающей свойства совокупности двух случайных величин, необходимо рассмотреть ненулевые . Наиболее простой вариант: , . При этом из (54.2) следует
. (54.3)
Число называется корреляцией случайных величин и и представляет собой важнейшую характеристику совокупности двух случайных величин.
Если и - независимы, то и (54.3) преобразуются следующим образом:
, (54.4)
где и . При этом выражается через индивидуальные характеристики и , т.е. каких-либо групповых эффектов в не проявляется, что является следствием независимости случайных величин и . Из цепочки преобразований (54.4) следует равенство - математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий.
54.2. Аналогично (54.2) числа
(54.5)
называются центральными смешанными моментами, порядка . Наиболее важной групповой характеристикой двух случайных величин среди чисел (54.5) является ковариация
, (54.6)
которая является центральным смешанным моментом порядка . Для ковариации используется также обозначение: . Если , то - совпадает с дисперсией случайной величины .
Если и - независимы, то из (54.6) следует, что ковариация
.
Обратное утверждение в общем случае неверно, т.е. из равенства в общем не следует независимость случайных величин и . В частности, обратное утверждение справедливо, если и - гауссовы случайные величины. Более подробно этот вопрос обсуждается ниже.
54.3. Найдем связь между корреляцией и ковариацией случайных величин и . Из определения ковариации (54.6) следует
.
Таким образом, ковариация и корреляция связаны соотношением
. (54.7)
Верхняя и нижняя границы корреляции и ковариации
55.1. Пусть случайные величины и имеют математические ожидания , , дисперсии , , корреляцию и ковариацию . Рассмотрим неравенство
. (55.1)
Возведем в квадрат, затем оператором математического ожидания подействуем на каждое слагаемое, тогда (55.1) принимает вид:
,
что далее сводится к неравенству
. (55.2)
Его левая часть может быть как положительной так и отрицательной, правая часть - только положительна. Поэтому неравенство (55.2) обычно записывается в более сильном варианте:
. (55.3)
Таким образом, корреляция случайных величин и принимает значения из интервала .
Соотношение, аналогичное (55.3) можно получить и для ковариации , если в исходном выражении (55.1) вместо подставить центрированную случайную величину и вместо соответственно . При этом необязательно выполнять все преобразования, аналогичные (55.1) - (55.3), достаточно учесть, что замена и приводит к замене на , на , а также на . Поэтому из (55.3) следует
. (55.4)
55.2. Неравенства, определяющие область значений корреляции и ковариации , аналогичные (55.3), (55.4), можно получить в другом виде на основе следующего очевидного неравенства:
. (55.5)
Отсюда , поэтому справедливо неравенство
. (55.6)
Если в (55.5) заменить соответственно на и , то в (55.6) заменяется на , на и на . Поэтому (55.6) принимает вид: