32439

ЗАВИСИМОСТЬ И КОВАРИАЦИЯ

Лекция

Математика и математический анализ

Для доказательства необходимости продифференцируем по x и y обе части равенства из определения независимых случайных величин. Дискретные случайные величины независимы тогда и только тогда когда для любых пар значений случайных величин X и Y. Для независимых случайных величин X и Y ковариация равна 0. Из утверждений 2 и 3 следует что для независимых случайных величин X и Y MXY = MX  MY если MX и MY существуют.

Русский

2013-09-04

87.5 KB

6 чел.

Лекция 8.

§4. ЗАВИСИМОСТЬ И КОВАРИАЦИЯ.

Cлучайные величины X и Y называются независимыми, если функция распределения cлучайного вектора (X, Y) равняется произведению функций распределения компонент X и Y:

.

Утверждение 3. Непрерывные случайные величины независимы тогда и только тогда, когда плотность случайного вектора (X, Y) равняется произведению плотностей компонент X и Y: .

Для доказательства необходимости продифференцируем по x и y  обе части равенства из определения независимых случайных величин. Для доказательства достаточности возьмем интегралы от обеих частей равенства   по области {(-, x), (-, y)}  

Утверждение 4. Дискретные случайные величины независимы тогда и только тогда, когда  для любых пар значений , случайных величин X и Y.

Доказательство.

Пример 6. В примере 1 § 1 плотность случайного вектора (X,Y) , а плотности компонент .

Следовательно, cлучайные величины X и Y независимы.

Утверждение 5.  Для независимых  случайных величин X и Y ковариация равна 0.

Доказательство. Из утверждений 2 и 3 следует, что для независимых случайных величин X и Y  M(XY) = M(X M(Y), если M(X) и M(Y) существуют.

Для непрерывных случайных величин это так, поскольку

Для дискретных случайных величин

Отсюда, сov(XY) = M(XY) – M(X)M(Y0.

Замечание. M(XY= M(X)  M(Y) также, если одна из независимых случайных величин непрерывного, а другая дискретного типа.

Таким образом, ненулевая ковариация - это признак наличия зависимости между случайными величинами.

Утверждение 6. Дисперсия суммы независимых случайных величин равна сумме дисперсий этих случайных величин.

Доказательство сразу следует из формулы для дисперсии суммы случайных величин.

§5. KОЭФФИЦИЕНТ КОРРЕЛЯЦИИ И ЕГО СВОЙСТВА.

Если ковариация случайных величин X и Y (cov(X, Y= M((X – MX)(Y –
– MY
))) невелика, то это не всегда является следствием слабой зависимости между ними, а может просто указывать на то, что случайные величины мало отклоняются от своего математического ожидания. Поэтому для характеристики связи случайных величин рассматривают коэффициент корреляции:

где  и  - средние квадратические отклонения случайных величин X и Y.

Случайные величины, для которых ковариация, а значит и коэффициент корреляции равны нулю, называются некоррелированными.

Из независимости вытекает некоррелированность, обратное неверно. Коэффициент корреляции может оказаться равным нулю, когда одна случайная величина является функцией от другой.

Пример 7. Пусть случайные случайные U и V имеют одинаковые распределения и = U + V,= U – V. Тогда M(XY) = M(X2) – M(Y20 и
M(Y) 0. Cледовательно, cov(X, Y) = M(XY)  M(X)(Y) = 0, и поэтому corr(X, Y) = 0. Например, X и Y могут быть соответственно суммой и разностью очков, выпавших на двух костях. Тогда величины X и Y либо обе четны, либо обе нечетны и, cледовательно, зависимы.  

Пример 8. Из некоррелированности случайных величин, подчиненных двумерному нормальному закону, вытекает их независимость. Действительно, параметр r двумерного нормального распределения совпадает с коэффициентом корреляции, и следовательно плотность распределения

где  - плотности компонент Х и Y.

Таким образом, для компонент X и Y нормально распределенного случайного вектора  свойства некоррелированности и независимости совпадают.

Коэффициент корреляции обладает следующими свойствами:

Утверждение 7.  corr(X, Y)  1.

Доказательство. Введем случайную величину .

, DZ  0. Cледовательно, ; ; ; ; .

Утверждение 8. Если X и Y cвязаны точной линейной функциональной зависимостью = aX + b, то

Доказательство:

;  

Таким образом, коэффициент корреляции является характеристикой линейной зависимости между случайными величинами.

Пример 9 . Вернемся к плотности двумерного нормального закона. Уравнения эллипсов рассеивания двумерной нормальной плотности

Если коэффициент корреляции r > 0, главные оси эллипсов расположены под некоторым углом к координатным осям (из аналитической геометрии известно, что ). Происходит как бы “намагничивание” двумерного случайного вектора вдоль одной из главных осей y = kx + b, т.е. линейная составляющая присутствует в функциональной зависимости между X и Y. Если же коэффициент корреляции = 0, уравнения эллипсов

Главные оси рассеивания параллельны осям координат у = 0, = 0. Линейной зависимости между компонентами X и Y нет.

PAGE  29


 

А также другие работы, которые могут Вас заинтересовать

75657. К вопросу о развитии зрительного восприятия у дошкольников с ограниченными возможностями здоровья 49.5 KB
  К вопросу о развитии зрительного восприятия у дошкольников с ограниченными возможностями здоровья. Одним из важнейших показателей функционального развития является уровень зрительного восприятия определяющий успешность освоения базовых навыков письма в начальной школе. Запорожец подчеркивает что успешность обучения младших школьников в значительной мере зависит от уровня развития их зрительного восприятия...
75658. Графи. Обхід графу. Пошук 224.07 KB
  Користувач довільним чином розміщує точки графа – майбутні вузли. Потім за допомогою діалогового вікна заповнює матрицю суміжності. Ця матриця формує ребра графа, які можна окремо вивести на екран у вигляді списку. Матриця заповнюється не нижче головної діагоналі, так як вона симетрична відносно неї для неорієнтованого графа. Зв’язки між вузлами можна видалити і побудувати знову.
75659. Плгоритми пошуку та сортування для одновимірних масивів 338.16 KB
  Розробити процедури та функції для пошуку в одновимірних масивах посортованих та непосортованих та для їх сортування. В контрольному прикладі забезпечити пошук потрібних елементів в непосортованих масивах. Здійснити їх сортування. Здійснити пошук в посортованих масивах. Оцінити час виконання операцій.
75660. Робота зі структурами і файлами 874.46 KB
  Опис деякого об’єкту здійснюється за допомогою типу даних структура. Необхідно забезпечити опрацювання 3-5 атрибутів об’єкту з використанням різних простих типів даних (стрічки, символи, числа, логічний тип)ю Забезпечити виконання таких операцій...
75661. Моделювання представлення в пам’яті векторів і таблиць 204.8 KB
  Розробити спосіб економного зберігання в пам’яті розріджених матриць (таблиць). Розробити процедури і функції для забезпечення доступу (читання-запис) до елементів матриці. В контрольному прикладі забезпечити читання і запис всіх елементів матриці. Оцінити час виконання операцій.
75662. Операції над стрічками 170.05 KB
  Визначення позиції початку в стрічці s слова з номером n. Потім вводиться ціле число номер слова у рядку що буде перевірятись. Далі у циклі шукається позиція слова під введеним номером. За умовами необхідно врахувати усі символироздільники що розташовані між словами наприклад кома і пробіл крапка і пробіл два пробіли тощо.
75663. Інтегровані структури даних запису 562.11 KB
  Використовуючи процедури і описи модуля типу даних, розробити програму, що забезпечує введення початкових даних з першого файлу даних в память і зберігання їх в масиві, сортування масиву по алфавітному і по числовому параметру.
75664. Стек і черга. Хеш таблиця 209.96 KB
  Розробити підпрограми, які забезпечують запити на запис або читання даних з черги, стека або дека. Для організації вказаних структур використовувати масиви або списки. Перевірити працездатність розроблених підпрограм. Послідовність виконання операцій запису або читання вибираються випадково. Порівняти результати роботи, зробити висновки.
75665. Робота з динамічними структурами 543.75 KB
  Програму для роботи з двонапрваленими зв’язними списками. Кожен елемент списку містить зсилки на наступний і попередній елемент в списку. Програма повинна забезпечувати ввід і побудову списку. Програму для роботи для роботи з деревами. Кожен елемент дерева містить зсилку на батьківський елемент і зсилки на елементи-нащадки (необмежена кількість). Програма повинна забезпечувати ввід і побудову дерева.