Задана дискретная двумерная случайная величина x y. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины

Совокупность случайных величин Х 1 ,Х 2 ,...,Х п , определенных на вероятностном пространстве () образует п- мерную случайную величину (Х 1 ,Х 2 ,...,Х п ). Если экономический процесс описывается при помощи двух случайных величин Х 1 и Х 2 , тоопределяется двумерная случайная величина (Х 1 ,Х 2)или(X ,Y ).

Функцией распределения системы двух случайных величин (Х ,Y ), рассматриваемой как функция переменных называется вероятность появления события :

Значения функции распределения удовлетворяют неравенству

С геометрической точки зрения функция распределения F (x ,y ) определяет вероятность того, что случайная точка (х ,Y ) попадет в бесконечный квадрант с вершиной в точке (х ,у ), так как точка (х ,Y )будет ниже и левее указанной вершины (рис.9.1).

х ,Y ) в полуполосу (рис.9.2) или в полуполосу (рис.9.3) выражается формулами:

соответственно. Вероятность попадания значений х ,Y ) в прямоугольник (рис.9.4) можно найти по формуле:

Рис.9.2 Рис.9.3 Рис.9.4

Дискретной называют двухмерную величину, составляющие которой дискретны.

Законом распределения двумерной дискретной случайной величины (X ,Y ) называется множество всевозможных значений (x i , y j ), , дискретных случайных величин Х и Y и соответствующих им вероятностей , характеризующих вероятность того, что составляющая Х примет значение x i и одновременно с этим составляющая Y примет значение y j , причем

Закон распределениядвумерной дискретной случайной величины (X ,Y ) задают в виде табл. 9.1.

Таблица 9.1

Ω Х Ω Y x 1 x 2 x i
y 1 p (x 1 ,y 1) p (x 2 ,y 1) p(x i ,y 1)
y 2 p (x 1 ,y 2) p (x 2 ,y 2) p(x i ,y 2)
y i p (x 1 ,y i ) p (x 2 ,y i ) p(x i ,y i )

Непрерывной называют двумерную случайную величину, составляющие которой непрерывны. Функция р (х ,у ), равная пределу отношения вероятности попадания двумерной случайной величины (X ,Y )в прямоугольник со сторонами и к площади этого прямоугольника, когда обе стороны прямоугольника стремятся к нулю, называется плотностью распределения вероятностей:

Зная плотность распределения, можно найти функцию распределения по формуле:

Во всех точках, где существует смешанная производная второго порядка функции распределения , плотность распределения вероятностей можно найти по формуле:

Вероятность попадания случайной точки (х ,у ) в область D определяется равенством:

Вероятность того, что случайная величина X приняла значение X<х при условии, что случайная величина Y приняла фиксированное значение Y =y , вычисляется по формуле:




Аналогично,

Формулы для вычисления условных плотностей распределения вероятностей составляющих X и Y :

Совокупность условных вероятностей p (x 1 |y i ), p (x 2 |y i ), …, p (x i |y i ), … отвечающих условию Y=y i , называется условным распределением составляющей Х при Y=y i X ,Y ), где

Аналогично условное распределение составляющей Y при Х=х i дискретной двумерной случайной величины (х ,Y ) – это совокупность условных вероятностей отвечающих условию X=x i , где

Начальным моментом порядка k+s двумерной случайной величины (X ,Y и , т.е. .

Если X и Y – дискретные случайные величины, то

Если X и Y – непрерывные случайные величины, то

Центральным моментом порядка k+s двумерной случайной величины (X ,Y )называется математическое ожидание произведений и ,т.е.

Если составляющие величины являются дискретными, то

Если составляющие величины являются непрерывными, то

где р (х ,y ) – плотность распределения двумерной случайной величины (X ,Y ).

Условным математическим ожиданием Y (X )при X=х (при Y=у ) называется выражение вида:

– для дискретной случайной величины Y (X );

для непрерывной случайной величины Y (X ).

Математические ожидания составляющих X и Y двумерной случайной величины вычисляются по формулам:



Корреляционным моментом независимых случайных величин X и Y ,входящих в двумерную случайную величину (X ,Y ), называют математическое ожидание произведений отклонений этих величин:

Корреляционный момент двух независимых случайных величин X X ,Y), равен нулю.

Коэффициентом корреляции случайных величин X и Y, входящих в двумерную случайную величину (X ,Y ), называют отношение корреляционного момента к произведению средних квадратических отклонений этих величин:



Коэффициент корреляции характеризуют степень (тесноту) линейной корреляционной зависимости между X и Y .Случайные величины, для которых , называются некоррелированными.

Коэффициент корреляции удовлетворяет свойствам:

1. Коэффициент корреляциине зависит от единиц измерения случайных величин.

2. Абсолютная величина коэффициента корреляции не превышает единицу:

3. Если то между составляющими X и Y случайной величины (X, Y) существует линейная функциональная зависимость:

4. Если то составляющие X и Y двумерной случайной величины некоррелированы.

5. Если то составляющие X и Y двумерной случайной величины зависимы.

Уравнения M (X|Y=у )=φ(у M (Y|X=х )=ψ(x )называют уравнениями регрессии, а линии, определяемые ими, – линиями регрессии.

Задачи

9.1. Двумерная дискретная случайная величина (X, Y) задана законом распределения:

Таблица 9.2

Ω х Ω y
0,2 0,15 0,08 0,05
0,1 0,05 0,05 0,1
0,05 0,07 0,08 0,02

Найти: а) законы распределения составляющих X и Y ;

б) условный закон распределения величины Y при X =1;

в) функцию распределения.

Выяснить, являются ли независимыми величины X и Y . Вычислить вероятность и основные числовые характеристики М (Х ), М (Y ), D (X ), D (Y ), R (X ,Y ), .

Решение. а)Случайные величины X и Y определены на множестве , состоящем из элементарных исходов, которое имеет вид:

Событию {X= 1} соответствует множество таких исходов, у которых первая компонента равна 1: (1;0), (1;1), (1;2). Эти исходы несовместимы. Вероятность того, что Х примет значение х i , согласно аксиоме 3 Колмогорова, равна:

Аналогично

Следовательно, маргинальное распределение составляющей Х , может быть задано в виде табл. 9.3.

Таблица 9.3

б) Совокупность условных вероятностей р (1;0), р (1;1), р (1;2) отвечающих условию X =1, называется условным распределением составляющей Y при X =1. Вероятность значений величины Y при Х =1 найдём при помощи формулы:

Поскольку , то, подставив значения соответствующих вероятностей, получаем

Итак, условное распределение составляющей Y при Х =1 имеет вид:

Таблица 9.5

y j
0,48 0,30 0,22

Так как условный и безусловный законы распределения не совпадают (см. табл. 9.4 и 9.5), то величины X и Y зависимы. Этот вывод подтверждается тем, что не выполняется равенство

для любой пары возможных значений X и Y .

Например,

в) Функция распределения F (x ,y ) двумерной случайной величины (X,Y) имеет вид:

где суммирование выполняется по всем точкам (), для которых одновременно выполняются неравенства x i и y j . Тогда для заданного закона распределения, получим:

Результат удобнее представлять в виде табл.9.6.

Таблица 9.6

х y
0,20 0,35 0,43 0,48
0,30 0,5 0,63 0,78
0,35 0,62 0,83

Воспользуемся формулами для начальных моментов и результатами таблиц 9.3 и 9.4 и вычислим математические ожидания составляющих X и Y :

Дисперсии вычислим через второй начальный момент и результаты табл. 9.3 и 9.4:

Для вычисления ковариации К (X,Y ) используем аналогичную формулу через начальный момент:

Коэффициент корреляции определяется по формуле:

Искомая вероятность определяется как вероятность попадания в область на плоскости, определяемую соответствующим неравенством:

9.2. Кораблем передается сообщение «SOS», которое может быть принято двумя радиостанциями. Этот сигнал может быть принят одной радиостанцией независимо от другой. Вероятность того, что сигнал принят первой радиостанцией, составляет 0,95; вероятность того, что сигнал принят второй радиостанцией, равна 0,85. Найти закон распределения двумерной случайной величины, характеризующей прием сигнала двумя радиостанциями. Написать функцию распределения.

Решение: Пусть X – событие, состоящее в том, что сигнал принимает первая радиостанция. Y – событие состоит в том, что сигнал принимает вторая радиостанция.

Множество значений .

Х =1 – сигнал принят первой радиостанцией;

Х =0 – сигнал не принят первой радиостанцией.

Множество значений .

Y =l – сигнал принят второй радиостанцией,

Y =0 – сигнал не принят второй радиостанцией.

Вероятность того, что сигнал не принят ни первой, ни второй радиостанциями равна:

Вероятность принятия сигнала первой радиостанцией:

Вероятность того, что сигнал принят второй радиостанцией:

Вероятность того, что сигнал принят и первой и второй радиостанциями, равна: .

Тогда закон распределения двумерной случайной величины равен:

y x
0,007 0,142
0,042 0,807

х ,y ) значение F (х ,y )равно сумме вероятностей тех возможных значений случайной величины (X ,Y ), которые попадают внутрь указанного прямоугольника.

Тогда функция распределения будет иметь вид:

9.3. Две фирмы выпускают одинаковую продукцию. Каждая независимо от другой может принять решение о модернизации производства. Вероятность того, что первая фирма приняла такое решение, равна 0,6. Вероятность принятия такого решения второй фирмой равна 0,65. Написать закон распределения двумерной случайной величины, характеризующей принятие решения о модернизации производства двух фирм. Написать функцию распределения.

Ответ: Закон распределения:

0,14 0,21
0,26 0,39

При каждом фиксированном значении точки с координатами (x ,y ) значение равно сумме вероятностей тех возможных значений , которые попадают внутрь указанного прямоугольника .

9.4. На токарном станке-автомате изготавливаются поршневые кольца для двигателей автомобиля. Измеряются толщина кольца (случайная величина X )и диаметр отверстия (случайная величина Y ). Известно, что около 5% всех поршневых колец бракованные. Причем, 3% брака обусловлены нестандартными диаметрами отверстий, 1% – нестандартной толщиной и 1 % – бракуют по обоим признакам. Найти: совместное распределение двумерной случайной величины (X ,Y ); одномерные распределения составляющих Х и Y ;математические ожидания составляющих X и Y ; корреляционный момент и коэффициент корреляции между составляющими X и Y двумерной случайной величины (Х ,Y ).

Ответ: Закон распределения:

0,01 0,03
0,01 0,95

; ; ; ; ; .

9.5. В продукции завода брак вследствие дефекта А составляет 4%, а вследствие дефекта В – 3,5%. Стандартная продукция составляет 96%. Определить какой процент всей продукции обладает дефектами обоих типов.

9.6. Случайная величина (X ,Y )распределена с постоянной плотностью внутри квадрата R , вершины которого имеют координаты (–2;0), (0;2), (2;0), (0;–2). Определить плотность распределения случайной величины (X ,Y )и условные плотности распределения р (х \у ), р (у \х ).

Решение. Построим на плоскости x 0y заданный квадрат (рис.9.5) и определим уравнения сторон квадрата ABCD, воспользовавшись уравнением прямой, проходящей через две заданные точки: Подставив координаты вершин А и В получим последовательно уравнение стороны АВ : или .

Аналогично находим уравнение стороны ВС : ;стороны CD : и стороны DA : . : .D X , Y ) представляет собой полушар с центром в начале координат радиуса R .Найти плотность распределения вероятностей.

Ответ:

9.10. Задана дискретная двумерная случайная величина:

0,25 0,10
0,15 0,05
0,32 0,13

Найти: а) условный закон распределения X , при условии, что у= 10;

б) условный закон распределения Y , при условии, что x =10;

в) математическое ожидание, дисперсию, коэффициент корреляции.

9.11. Непрерывная двумерная случайная величина (X ,Y )равномерно распределена внутри прямоугольного треугольника с вершинами О (0;0), А (0;8), В (8,0).

Найти: а) плотность распределения вероятностей;

Упорядоченная пара (X , Y) случайных величин X и Y называется двумерной случайной величиной, или случайным вектором двумерного пространства. Двумерная случайная величина (X,Y) называется также системой случайных величина X и Y. Множество всех возможных значений дискретной случайной величины с их вероятностями называется законом распределения этой случайной величины. Дискретная двумерная случайная величина (X , Y) считается заданной, если известен ее закон распределения:

P(X=x i , Y=y j) = p ij , i=1,2...,n, j=1,2...,m

Назначение сервиса . С помощью сервиса по заданному закону распределения можно найти:

  • ряды распределения X и Y, математическое ожидание M[X], M[Y], дисперсию D[X], D[Y];
  • ковариацию cov(x,y), коэффициент корреляции r x,y , условный ряд распределения X, условное математическое ожидание M;
Кроме этого, дается ответ на вопрос, "зависимы ли случайные величины X и Y ?".

Инструкция . Укажите размерность матрицы распределения вероятностей (количество строк и столбцов) и ее вид. Полученное решение сохраняется в файле Word .

Пример №1 . Двумерная дискретная случайная величина имеет таблицу распределения:

Y/X 1 2 3 4
10 0 0,11 0,12 0,03
20 0 0,13 0,09 0,02
30 0,02 0,11 0,08 0,01
40 0,03 0,11 0,05 q
Найти величину q и коэффициент корреляции этой случайной величины.

Решение. Величину q найдем из условия Σp ij = 1
Σp ij = 0,02 + 0,03 + 0,11 + … + 0,03 + 0,02 + 0,01 + q = 1
0.91+q = 1. Откуда q = 0.09

Пользуясь формулой ∑P(xi ,yj ) = pi (j=1..n), находим ряд распределения X.

Математическое ожидание M[Y] .
M[y] = 1*0.05 + 2*0.46 + 3*0.34 + 4*0.15 = 2.59
Дисперсия D[Y] = 1 2 *0.05 + 2 2 *0.46 + 3 2 *0.34 + 4 2 *0.15 - 2.59 2 = 0.64
Среднее квадратическое отклонение σ(y) = sqrt(D[Y]) = sqrt(0.64) = 0.801

Ковариация cov(X,Y) = M - M[X]·M[Y] = 2·10·0.11 + 3·10·0.12 + 4·10·0.03 + 2·20·0.13 + 3·20·0.09 + 4·20·0.02 + 1·30·0.02 + 2·30·0.11 + 3·30·0.08 + 4·30·0.01 + 1·40·0.03 + 2·40·0.11 + 3·40·0.05 + 4·40·0.09 - 25.2 · 2.59 = -0.068
Коэффициент корреляции r xy = cov(x,y)/σ(x)&sigma(y) = -0.068/(11.531*0.801) = -0.00736

Пример 2 . Данные статистической обработки сведений относительно двух показателей X и Y отражены в корреляционной таблице. Требуется:

  1. написать ряды распределения для X и Y и вычислить для них выборочные средние и выборочные средние квадратические отклонения;
  2. написать условные ряды распределения Y/x и вычислить условные средние Y/x;
  3. изобразить графически зависимость условных средних Y/x от значений X;
  4. рассчитать выборочный коэффициент корреляции Y на X;
  5. написать выборочное уравнение прямой регрессии;
  6. изобразить геометрически данные корреляционной таблицы и построить прямую регрессии.
Решение . Упорядоченная пара (X,Y) случайных величин X и Y называется двумерной случайной величиной, или случайным вектором двумерного пространства. Двумерная случайная величина (X,Y) называется также системой случайных величина X и Y.
Множество всех возможных значений дискретной случайной величины с их вероятностями называется законом распределения этой случайной величины.
Дискретная двумерная случайная величина (X,Y) считается заданной, если известен ее закон распределения:
P(X=x i , Y=y j) = p ij , i=1,2...,n, j=1,2..,m
X / Y 20 30 40 50 60
11 2 0 0 0 0
16 4 6 0 0 0
21 0 3 6 2 0
26 0 0 45 8 4
31 0 0 4 6 7
36 0 0 0 0 3
События (X=x i , Y=y j) образуют полную группу событий, поэтому сумма всех вероятностей p ij (i=1,2...,n, j=1,2..,m ), указанных в таблице, равна 1.
1. Зависимость случайных величин X и Y .
Находим ряды распределения X и Y.
Пользуясь формулой ∑P(xi ,yj ) = pi (j=1..n), находим ряд распределения X. Математическое ожидание M[Y] .
M[y] = (20*6 + 30*9 + 40*55 + 50*16 + 60*14)/100 = 42.3
Дисперсия D[Y] .
D[Y] = (20 2 *6 + 30 2 *9 + 40 2 *55 + 50 2 *16 + 60 2 *14)/100 - 42.3 2 = 99.71
Среднее квадратическое отклонение σ(y) .

Поскольку, P(X=11,Y=20) = 2≠2·6, то случайные величины X и Y зависимы .
2. Условный закон распределения X .
Условный закон распределения X(Y=20) .
P(X=11/Y=20) = 2/6 = 0.33
P(X=16/Y=20) = 4/6 = 0.67
P(X=21/Y=20) = 0/6 = 0
P(X=26/Y=20) = 0/6 = 0
P(X=31/Y=20) = 0/6 = 0
P(X=36/Y=20) = 0/6 = 0
Условное математическое ожидание M = 11*0.33 + 16*0.67 + 21*0 + 26*0 + 31*0 + 36*0 = 14.33
Условная дисперсия D = 11 2 *0.33 + 16 2 *0.67 + 21 2 *0 + 26 2 *0 + 31 2 *0 + 36 2 *0 - 14.33 2 = 5.56
Условный закон распределения X(Y=30) .
P(X=11/Y=30) = 0/9 = 0
P(X=16/Y=30) = 6/9 = 0.67
P(X=21/Y=30) = 3/9 = 0.33
P(X=26/Y=30) = 0/9 = 0
P(X=31/Y=30) = 0/9 = 0
P(X=36/Y=30) = 0/9 = 0
Условное математическое ожидание M = 11*0 + 16*0.67 + 21*0.33 + 26*0 + 31*0 + 36*0 = 17.67
Условная дисперсия D = 11 2 *0 + 16 2 *0.67 + 21 2 *0.33 + 26 2 *0 + 31 2 *0 + 36 2 *0 - 17.67 2 = 5.56
Условный закон распределения X(Y=40) .
P(X=11/Y=40) = 0/55 = 0
P(X=16/Y=40) = 0/55 = 0
P(X=21/Y=40) = 6/55 = 0.11
P(X=26/Y=40) = 45/55 = 0.82
P(X=31/Y=40) = 4/55 = 0.0727
P(X=36/Y=40) = 0/55 = 0
Условное математическое ожидание M = 11*0 + 16*0 + 21*0.11 + 26*0.82 + 31*0.0727 + 36*0 = 25.82
Условная дисперсия D = 11 2 *0 + 16 2 *0 + 21 2 *0.11 + 26 2 *0.82 + 31 2 *0.0727 + 36 2 *0 - 25.82 2 = 4.51
Условный закон распределения X(Y=50) .
P(X=11/Y=50) = 0/16 = 0
P(X=16/Y=50) = 0/16 = 0
P(X=21/Y=50) = 2/16 = 0.13
P(X=26/Y=50) = 8/16 = 0.5
P(X=31/Y=50) = 6/16 = 0.38
P(X=36/Y=50) = 0/16 = 0
Условное математическое ожидание M = 11*0 + 16*0 + 21*0.13 + 26*0.5 + 31*0.38 + 36*0 = 27.25
Условная дисперсия D = 11 2 *0 + 16 2 *0 + 21 2 *0.13 + 26 2 *0.5 + 31 2 *0.38 + 36 2 *0 - 27.25 2 = 10.94
Условный закон распределения X(Y=60) .
P(X=11/Y=60) = 0/14 = 0
P(X=16/Y=60) = 0/14 = 0
P(X=21/Y=60) = 0/14 = 0
P(X=26/Y=60) = 4/14 = 0.29
P(X=31/Y=60) = 7/14 = 0.5
P(X=36/Y=60) = 3/14 = 0.21
Условное математическое ожидание M = 11*0 + 16*0 + 21*0 + 26*0.29 + 31*0.5 + 36*0.21 = 30.64
Условная дисперсия D = 11 2 *0 + 16 2 *0 + 21 2 *0 + 26 2 *0.29 + 31 2 *0.5 + 36 2 *0.21 - 30.64 2 = 12.37
3. Условный закон распределения Y .
Условный закон распределения Y(X=11) .
P(Y=20/X=11) = 2/2 = 1
P(Y=30/X=11) = 0/2 = 0
P(Y=40/X=11) = 0/2 = 0
P(Y=50/X=11) = 0/2 = 0
P(Y=60/X=11) = 0/2 = 0
Условное математическое ожидание M = 20*1 + 30*0 + 40*0 + 50*0 + 60*0 = 20
Условная дисперсия D = 20 2 *1 + 30 2 *0 + 40 2 *0 + 50 2 *0 + 60 2 *0 - 20 2 = 0
Условный закон распределения Y(X=16) .
P(Y=20/X=16) = 4/10 = 0.4
P(Y=30/X=16) = 6/10 = 0.6
P(Y=40/X=16) = 0/10 = 0
P(Y=50/X=16) = 0/10 = 0
P(Y=60/X=16) = 0/10 = 0
Условное математическое ожидание M = 20*0.4 + 30*0.6 + 40*0 + 50*0 + 60*0 = 26
Условная дисперсия D = 20 2 *0.4 + 30 2 *0.6 + 40 2 *0 + 50 2 *0 + 60 2 *0 - 26 2 = 24
Условный закон распределения Y(X=21) .
P(Y=20/X=21) = 0/11 = 0
P(Y=30/X=21) = 3/11 = 0.27
P(Y=40/X=21) = 6/11 = 0.55
P(Y=50/X=21) = 2/11 = 0.18
P(Y=60/X=21) = 0/11 = 0
Условное математическое ожидание M = 20*0 + 30*0.27 + 40*0.55 + 50*0.18 + 60*0 = 39.09
Условная дисперсия D = 20 2 *0 + 30 2 *0.27 + 40 2 *0.55 + 50 2 *0.18 + 60 2 *0 - 39.09 2 = 44.63
Условный закон распределения Y(X=26) .
P(Y=20/X=26) = 0/57 = 0
P(Y=30/X=26) = 0/57 = 0
P(Y=40/X=26) = 45/57 = 0.79
P(Y=50/X=26) = 8/57 = 0.14
P(Y=60/X=26) = 4/57 = 0.0702
Условное математическое ожидание M = 20*0 + 30*0 + 40*0.79 + 50*0.14 + 60*0.0702 = 42.81
Условная дисперсия D = 20 2 *0 + 30 2 *0 + 40 2 *0.79 + 50 2 *0.14 + 60 2 *0.0702 - 42.81 2 = 34.23
Условный закон распределения Y(X=31) .
P(Y=20/X=31) = 0/17 = 0
P(Y=30/X=31) = 0/17 = 0
P(Y=40/X=31) = 4/17 = 0.24
P(Y=50/X=31) = 6/17 = 0.35
P(Y=60/X=31) = 7/17 = 0.41
Условное математическое ожидание M = 20*0 + 30*0 + 40*0.24 + 50*0.35 + 60*0.41 = 51.76
Условная дисперсия D = 20 2 *0 + 30 2 *0 + 40 2 *0.24 + 50 2 *0.35 + 60 2 *0.41 - 51.76 2 = 61.59
Условный закон распределения Y(X=36) .
P(Y=20/X=36) = 0/3 = 0
P(Y=30/X=36) = 0/3 = 0
P(Y=40/X=36) = 0/3 = 0
P(Y=50/X=36) = 0/3 = 0
P(Y=60/X=36) = 3/3 = 1
Условное математическое ожидание M = 20*0 + 30*0 + 40*0 + 50*0 + 60*1 = 60
Условная дисперсия D = 20 2 *0 + 30 2 *0 + 40 2 *0 + 50 2 *0 + 60 2 *1 - 60 2 = 0
Ковариация .
cov(X,Y) = M - M[X]·M[Y]
cov(X,Y) = (20·11·2 + 20·16·4 + 30·16·6 + 30·21·3 + 40·21·6 + 50·21·2 + 40·26·45 + 50·26·8 + 60·26·4 + 40·31·4 + 50·31·6 + 60·31·7 + 60·36·3)/100 - 25.3 · 42.3 = 38.11
Если случайные величины независимы, то их ковариации равна нулю. В нашем случае cov(X,Y) ≠ 0.
Коэффициент корреляции .


Уравнение линейной регрессии с y на x имеет вид:

Уравнение линейной регрессии с x на y имеет вид:

Найдем необходимые числовые характеристики.
Выборочные средние:
x = (20(2 + 4) + 30(6 + 3) + 40(6 + 45 + 4) + 50(2 + 8 + 6) + 60(4 + 7 + 3))/100 = 42.3
y = (20(2 + 4) + 30(6 + 3) + 40(6 + 45 + 4) + 50(2 + 8 + 6) + 60(4 + 7 + 3))/100 = 25.3
Дисперсии:
σ 2 x = (20 2 (2 + 4) + 30 2 (6 + 3) + 40 2 (6 + 45 + 4) + 50 2 (2 + 8 + 6) + 60 2 (4 + 7 + 3))/100 - 42.3 2 = 99.71
σ 2 y = (11 2 (2) + 16 2 (4 + 6) + 21 2 (3 + 6 + 2) + 26 2 (45 + 8 + 4) + 31 2 (4 + 6 + 7) + 36 2 (3))/100 - 25.3 2 = 24.01
Откуда получаем среднеквадратические отклонения:
σ x = 9.99 и σ y = 4.9
и ковариация:
Cov(x,y) = (20·11·2 + 20·16·4 + 30·16·6 + 30·21·3 + 40·21·6 + 50·21·2 + 40·26·45 + 50·26·8 + 60·26·4 + 40·31·4 + 50·31·6 + 60·31·7 + 60·36·3)/100 - 42.3 · 25.3 = 38.11
Определим коэффициент корреляции:


Запишем уравнения линий регрессии y(x):

и вычисляя, получаем:
y x = 0.38 x + 9.14
Запишем уравнения линий регрессии x(y):

и вычисляя, получаем:
x y = 1.59 y + 2.15
Если построить точки, определяемые таблицей и линии регрессии, увидим, что обе линии проходят через точку с координатами (42.3; 25.3) и точки расположены близко к линиям регрессии.
Значимость коэффициента корреляции .

По таблице Стьюдента с уровнем значимости α=0.05 и степенями свободы k=100-m-1 = 98 находим t крит:
t крит (n-m-1;α/2) = (98;0.025) = 1.984
где m = 1 - количество объясняющих переменных.
Если t набл > t критич, то полученное значение коэффициента корреляции признается значимым (нулевая гипотеза, утверждающая равенство нулю коэффициента корреляции, отвергается).
Поскольку t набл > t крит, то отклоняем гипотезу о равенстве 0 коэффициента корреляции. Другими словами, коэффициент корреляции статистически - значим.

Задание . Количество попаданий пар значений случайных величин X и Y в соответствующие интервалы приведены в таблице. По этим данным найти выборочный коэффициент корреляции и выборочные уравнения прямых линий регрессии Y на X и X на Y .
Решение

Пример . Распределение вероятностей двумерной случайной величины (X, Y) задано таблицей. Найти законы распределения составляющих величин X, Y и коэффициент корреляции p(X, Y).
Скачать решение

Задание . Двумерная дискретная величина (X, Y) задана законом распределения. Найти законы распределения составляющих X и Y, ковариацию и коэффициент корреляции.

Пусть дана двумерная случайная величина $(X,Y)$.

Определение 1

Законом распределения двумерной случайной величины $(X,Y)$ - называется множество возможных пар чисел $(x_i,\ y_j)$ (где $x_i \epsilon X,\ y_j \epsilon Y$) и их вероятностей $p_{ij}$.

Чаще всего закон распределения двумерной случайной величины записывается в виде таблицы (Таблица 1).

Рисунок 1. Закон распределения двумерной случайной величины.

Вспомним теперь теорему о сложении вероятностей независимых событий.

Теорема 1

Вероятность суммы конечного числа независимых событий ${\ A}_1$, ${\ A}_2$, ... ,$\ {\ A}_n$ вычисляется по формуле:

Пользуясь этой формулой можно получить законы распределения для каждой компоненты двумерной случайной величины, то есть:

Отсюда будет следовать, что сумма всех вероятностей двумерной системы имеет следующий вид:

Рассмотрим подробно (поэтапно) задачу, связанную с понятием закона распределения двумерной случайной величины.

Пример 1

Закон распределения двумерной случайной величины задан следующей таблицей:

Рисунок 2.

Найти законы распределения случайных величин $X,\ Y$, $X+Y$ и проверить в каждом случае выполнение равенства полной суммы вероятностей единице.

  1. Найдем сначала распределение случайной величины $X$. Случайная величина $X$ может принимать значения $x_1=2,$ $x_2=3$, $x_3=5$. Для нахождения распределения будем пользоваться теоремой 1.

Найдем вначале сумму вероятностей $x_1$ следующим образом:

Рисунок 3.

Аналогично найдем $P\left(x_2\right)$ и $P\left(x_3\right)$:

\ \

Рисунок 4.

  1. Найдем теперь распределение случайной величины $Y$. Случайная величина $Y$ может принимать значения $x_1=1,$ $x_2=3$, $x_3=4$. Для нахождения распределения будем пользоваться теоремой 1.

Найдем вначале сумму вероятностей $y_1$ следующим образом:

Рисунок 5.

Аналогично найдем $P\left(y_2\right)$ и $P\left(y_3\right)$:

\ \

Значит, закон распределения величины $X$ имеет следующий вид:

Рисунок 6.

Проверим выполнение равенства полной суммы вероятностей:

  1. Осталось найти закон распределения случайной величины $X+Y$.

Обозначим её для удобства через $Z$: $Z=X+Y$.

Вначале найдем, какие значения может принимать данная величина. Для этого будем попарно складывать значения величин $X$ и $Y$. Получим следующие значения: 3, 4, 6, 5, 6, 8, 6, 7, 9. Теперь, отбрасывая совпавшие величины, получим, что случайная величина $X+Y$ может принимать значения $z_1=3,\ z_2=4,\ z_3=5,\ z_4=6,\ z_5=7,\ z_6=8,\ z_7=9.\ $

Найдем для начала $P(z_1)$. Так как значение $z_1$ единично, то оно находится следующим образом:

Рисунок 7.

Аналогично находятся се вероятности, кроме $P(z_4)$:

Найдем теперь $P(z_4)$ следующим образом:

Рисунок 8.

Значит, закон распределения величины $Z$ имеет следующий вид:

Рисунок 9.

Проверим выполнение равенства полной суммы вероятностей:

двумерный дискретный распределение случайный

Зачастую результат опыта описывается несколькими случайными величинами: . Например, погоду в данном месте в определенное время суток можно охарактеризовать следующими случайными величинами: Х 1 - температура, Х 2 - давление, Х 3 - влажность воздуха, Х 4 - скорость ветра.

В этом случае говорят о многомерной случайной величине или о системе случайных величин.

Рассмотрим двумерную случайную величину, возможные значения которой есть пары чисел. Геометрически двумерную случайную величину можно истолковать как случайную точку на плоскости.

Если составляющие Х и Y - дискретные случайные величины, то - дискретная двумерная случайная величина, а если Х и Y - непрерывные, то - непрерывная двумерная случайная величина.

Законом распределения вероятностей двумерной случайной величины называют соответствие между возможными значениями и их вероятностями.

Закон распределения двумерной дискретной случайной величины может быть задан в виде таблицы с двойным входом (см. таблица 6.1), где - вероятность того, что составляющая Х приняла значение x i , а составляющая Y - значение y j .

Таблица 6.1.1.

y 1

y 2

y j

y m

x 1

p 11

p 12

p 1j

p 1m

x 2

p 21

p 22

p 2j

p 2m

x i

p i1

p i2

p ij

p im

x n

p n1

p n2

p nj

p nm

Так как события, составляют полную группу попарно несовместных событий, то сумма вероятностей равна 1, т.е.

Из таблицы 6.1 можно найти законы распределения одномерных составляющих Х и Y .

Пример 6.1.1 . Найти законы распределения составляющих Х и Y, если задано распределение двумерной случайной величины в виде таблицы 6.1.2.

Таблица 6.1.2.

Если зафиксировать значение одного из аргументов, например, то полученное распределение величины Х называется условным распределением. Аналогично определяется условное распределение Y .

Пример 6.1.2 . По распределению двумерной случайной величины, заданной табл. 6.1.2, найти: а) условный закон распределения составляющей Х при условии; б) условный закон распределения Y при условии, что.

Решение. Условные вероятности составляющих Х и Y вычисляются по формулам

Условный закон распределения Х при условии имеет вид

Контроль: .

Закон распределения двумерной случайной величины можно задать в виде функции распределения , определяющей для каждой пары чисел вероятность того, что Х примет значение, меньшее х , и при этом Y примет значение, меньшее y :

Геометрически функция означает вероятность попадания случайной точки в бесконечный квадрат с вершиной в точке (рис. 6.1.1).

Отметим свойства.

  • 1. Область значений функции - , т.е. .
  • 2. Функция - неубывающая функция по каждому аргументу.
  • 3. Имеют место предельные соотношения:

При функция распределения системы становится равной функции распределения составляющей Х , т.е. .

Аналогично, .

Зная, можно найти вероятность попадания случайной точки в пределы прямоугольника ABCD.

А именно,

Пример 6.1.3 . Двумерная дискретная случайная величина задана таблицей распределения

Найти функцию распределения.

Решение. Значение в случае дискретных составляющих Х и Y находится суммированием всех вероятностей с индексами i и j , для которых, . Тогда, если и, то (события и - невозможны). Аналогично получаем:

если и, то;

если и, то;

если и, то;

если и, то;

если и, то;

если и, то;

если и, то;

если и, то;

если и, то.

Полученные результаты оформим в виде таблицы (6.1.3) значений:

Для двумерной непрерывной случайной величины вводится понятие плотности вероятности

Геометрическая плотность вероятности представляет собой поверхность распределения в пространстве

Двумерная плотность вероятности обладает следующими свойствами:

3. Функция распределения может быть выражена через по формуле

4. Вероятность попадания непрерывной случайной величины в область равна

5. В соответствии со свойством (4) функции имеют место формулы:

Пример 6.1.4. Задана функция распределения двумерной случайной величины