359.15K
Категория: МатематикаМатематика

Системы случайных величин

1.

СИСТЕМЫ СЛУЧАЙНЫХ ВЕЛИЧИН
Определение 1. Если каждое возможное
значение СВ определяется одним числом, то СВ
называется одномерной.
Например, положение точки на числовой прямой
определяется одним числом – координатой х.
Текущая успеваемость (месячный рейтинг) студента по одному предмету – одномерная СВ. А текущая
успеваемость студента по всем дисциплинам –
n–мерная СВ, где n – число дисциплин.
Определение 2. Если каждое возможное значение
СВ определяется n числами, то СВ называется

2.

n–мерной СВ или системой n случайных
величин.
Например, положение точки на плоскости
определяется двумя числами – х и y.
Двумерная СВ обозначается (X, Y), a n- мерная
СВ обозначается (X1, X2,…, Xn).
Рассмотрим систему двух дискретных СВ (X, Y).
Пусть СВ Х принимает n значений х1, х2,…, хn,
а СВ Y принимает m значений y1, y2,…, ym.
Через pij обозначим вероятность того, что
СВ Х примет значение xi, а СВ Y примет значение yj. (i = 1,n; j = 1,m).

3.

Тогда закон распределения системы двух
случайных величин (X, Y) задается матрицей
распределения, представленной в виде таблицы:
y1
y2

yj

ym
p12
p22


p 1j
p 2j

x2
p11
p21

p1m
p2m






xi
pi1
pi2

pij

pim







xn
pn1
pn2

pnj

pnm
Y
X
x1

4.

Здесь pij = P(X = xi, Y = yj).
Так как все возможные комбинации { X = xi, Y = yj},
(i = 1,n; j = 1,m) образуют полную группу событий, то
n m
Σ Σ pij = 1 .
i=1 j=1
Зная матрицу распределения системы двух СВ,
можно найти ЗР каждой из них в отдельности.
События { X = xi, Y = yj} являются несовместными, поэтому

5.

m
P(X = xi) = pi1+ pi2+ …+ pij + …+ pim = Σ pij –
j=1
суммирование по i-й строке .
n
P(Y = yj) = p1j+ p2j+ …+ pij + …+ pnj = Σ pij –
i=1
суммирование по j-му столбцу.
Пример. Имеется портфель акций, состоящий
из двух типов акций, отличающихся по ожидаемым
нормам прибыли. Матрица распределения норм
прибыли имеет вид:

6.

Y
X
Глубокий
спад
Рост
Мощный
подъем
0
0,2
0,5
Глубокий
спад
0,1
0,1
0
0,2
Рост
0,2
0
0,3
0
Мощный
подъем
0,4
0,1
0,3
0

7.

Найти ЗР каждой СВ.
х1=0,1: Px1 p11 p12 p13 0,1 0 0,2 0,3;
x 2 0,2 : Px 2 p21 p22 p23 0 0,3 0 0,3;
x3 0,4 : Px3 p31 p32 p33 0,1 0,3 0 0,4
ЗР СВ Х:
Х
0,1
0,2
0,4
Р
0,3
0,3
0,4
y1 0: Py1 p11 p21 p31 0,1 0 0,1 0,2;
y 2 0,2: Py 2 p12 p22 p32 0 0,3 0,3 0,6;
y3 0,5: Py 3 p13 p23 p33 0,2 0 0 0,2
ЗР СВ Y:

8.

Y
0
0,2
0,5
P
0,2
0,6
0,2
Числовые характеристики системы двух СВ
Числовыми характеристиками системы двух СВ
являются начальные и центральные моменты
различных порядков.
Определение 1. Начальным моментом порядка
k + s называется математическое ожидание произведения X k Y s
n
m
k , s M ( X k Y s ) xik y sj pij
i 1 j 1

9.

Определение 2. Центральным моментом порядка
k + s называется
k ,s M (( X M ( X )) (Y M (Y )) )
k
n
s
m
k
s
(
x
M
(
X
))
(
y
M
(
Y
))
pij
= i
j
i 1 j 1
Рассмотрим начальные и центральные моменты
первого и второго порядков, где порядок – это k + s .
10 M ( X 1Y 0 ) M ( X )
0 1
01 M ( X Y ) M (Y )
10 M ( X M ( X )) 0

10.

01 M (Y M (Y )) 0
2
20 M ( X M ( X )) D( X )
02 M (Y M (Y )) D(Y )
2
11 M (( X M ( X ))(Y M (Y )))
Определение 3. Центральный момент 1 1
называется ковариацией или корреляционным
моментом и вычисляется по формуле:
n
m
cov( X , Y ) ( xi M ( X ))( y j M (Y )) pij
i 1 j 1

11.

Свойства ковариации
1) cov (X, X) = M((X – M(X))(X – M(X))) =
2
= M(X – M(X)) = D(X);
2) можно представить:
cov (X, Y) = M(XY) – M(X)M(Y);
3) Если X и Y – не зависимы, то cov (X, Y) = 0.
Определение 4. Коэффициентом корреляции
называется отношение
rxy
cov( X , Y )
x y

12.

Если
rxy 0 то СВ X и Y коррелированны,
т. е. связаны корреляционной зависимостью.
Если же rxy 0, то СВ X и Y не коррелированны.
Из условия, что СВ X и Y коррелированны,
следует, что они зависимы, но из зависимости X и Y
не следует, что они коррелированны,так как кроме
корреляционной существуют еще и другие виды
зависимости.
Если rxy 1, то связь между X и Y – тесная,
а если rxy 1, т. е. rxy близок к 0, то связь
между X и Y – слабая.

13.

Вернемся к примеру о портфеле акций и дадим
экономический смысл начальным и центральным
моментам первого и второго порядков.
М(Х) и М(Y) – ожидаемые нормы прибыли
по двум типам акций.

14.

D(X) или ( X ) D( X ) – степень разброса норм
прибыли первого типа акций, следовательно, степень
риска инвестиционного проекта Х.
D(Y) или (Y ) D(Y ) показывает степень риска
инвестиционного проекта Y.
cov (X, Y) показывает:
1) вариацию норм прибыли по двум типам акций;
2) тенденцию движения двух типов акций
вверх и вниз.
Если cov (X, Y) > 0 и достаточно большая, то обе
группы акций двигаются одинаково: обе вверх или обе
вниз, следовательно, при покупке этих акций есть

15.

риск разориться.
Если cov (X, Y) < 0 и достаточно большая, то
одни акции идут вверх, а другие вниз, или, наоборот,
следовательно, такой портфель акций достаточно
стабилен.
Пример (продолжение). Вычислим начальные и
центральные моменты:
1 0
10 M ( X Y ) M ( X ),
0 1
01 M ( X Y ) M (Y ),
20 M ( X M ( X )) D( X ) ,
02 M (Y M (Y )) 2 D(Y ) ,
11 M (( X M ( X ))(Y M (Y ))) = cov (X, Y) ,
2

16.

коэффициент корреляции
rxy .
1 0 М(Х) = 0,1*0,3 + 0,2*0,3 + 0,4*0,4 = 0,25;
0 1 M(Y) = 0*0,2 + 0,2*0,6 + 0,5*0,2 = 0,22;
2 0 D(X) = 0,12 * 0,3 0,2 2 * 0,3 0,4 2 * 0,4 (0,25) 2
= 0,0165;
( X ) D( X ) 0,0165 0,12845;
02 D(Y ) 0 * 0,2 0,2 * 0,6 0,5 * 0,2 (0.22)
2
2
= 0,0256;
(Y ) D(Y ) 0,0256 0,16;
2
2

17.

3
3
11 cov( X , Y ) xi y j pij M ( X ) M (Y )
i 1 j 1
= 0.1*0*0.1+ 0.1*0.2*0 + 0.1*0.5*0.2 + 0.2*0*0 +
+ 0.2*0.2*0.3 + 0.2*0.5*0 + 0.4*0*0.1 + 0.4*0.2*0.3 +
+ 0.4*0.5*0 – 0.25*0.22 = – 0.009;
rxy
cov( X , Y )
0,009
0,438.
0,12845* 0,16
x y
Так как cov (X, Y) < 0, то одни акции идут вверх,
а другие вниз, но cov (X, Y) мала, кроме того rxy 1,
поэтому СВ X и Y коррелированны, но связь между
ними слабая. Такой портфель акций не слишком
стабилен.

18.

Определение. Условным законом распределения
одной из СВ, входящих в систему (X,Y), называ-
X xi
или ЗР СВ Х при условии, что Y y j .
ется ЗР СВ Y при условии, что
По теореме умножения вероятностей зависимых
событий
P(AB) = P(A)*P(B/A).
Отсюда
P ( AB )
P ( B / A)
Аналогично:
P ( A)
P(Y y j / X xi )
P ( X xi , Y y j )
P ( X xi )
,

19.

P ( X xi / Y y j )
Например,
P ( X xi , Y y j )
P(Y y j )
.
P12
0
P(Y y 2 / X x1 )
0,
Px1 0,3
P3 2 0,3
P ( X x3 / Y y 2 )
0,5.
Py 2 0,6
Найдем условные законы распределения и условные
математические ожидания.

20.

При Х = x1 0,1
P(Y y j / X x1 )
P1 j
Px1
P1 j
0,3
.
Тогда условный закон распределения СВ Y при
x1 0,1 будет:
Y
0
0,2
0,5
P(Y y j / X x1 )
0,1
0,3
0
0,3
0, 2
0,3
Математическое ожидание:
1
2 1
M (Y / X x1 ) 0 * 0,2 * 0 0,5 *
3
3 3

21.

При X x 2 0,2
P(Y y j / X x 2 )
P2 j
Px 2
P2 j
0,3
Y
0
0,2
0,5
P(Y y j / X x2 )
0
0,3
0,3
0,3
0
0,3
M (Y / X 0,2) 0 * 0 0,2 *1 0,5 * 0 0,2.

22.

При X x3 0,4
P(Y y j / X x3 )
P3 j
Px 3
P3 j
0,4
.
Y
0
0,2
0,5
P(Y y j / X x3 )
0,1
0, 4
0,3
0, 4
0
0, 4
1
3
M (Y / X 0,4) 0 * 0,2 * 0,5 * 0 0,15.
4
4

23.

При Y y1 0
Pi1
Pi1
P( X xi / Y y1 )
.
Py1 0,2
X
P( X xi / Y y1 )
0,1
0,1
0, 2
0,2
0,4
0
0, 2
0,1
0, 2
1
1
M(X/Y=0) = 0,1 * 0,2 * 0 0,4 * 0,25.
2
2
и т. д.

24.

Определение. Случайные величины Х и Y,
образующие систему, называются независимыми,
если З.Р. одной из них не зависит от того, какое
значение приняла другая С. В.
Необходимым и достаточным условием
независимости дискретных С.В. Х и Y является
равенство:
Pij Pxi * Pyj
(i = 1, … , n; j = 1, … , m).
В нашем примере P11 0,1, Px1 0,3, Py1 0,2.
Проверим, выполняется ли условие независимости
для С. В. Х и Y.

25.

Px1 * Py1 0,3 * 0,2 0,06 P11.
Следовательно, С. В. Х и Y зависимы.
English     Русский Правила