- •3. Случайные векторы
- •3.1. Понятие случайного вектора. Ряд распределения двумерного дискретного случайного вектора
- •3.2. Функция и плотность распределения случайного вектора
- •3.3. Зависимость и независимость св
- •3.4. Условные законы распределения св
- •3.5. Корреляционный момент и коэффициент корреляции двух св
- •3.6. Многомерное нормальное распределение
- •4. Функции случайных величин
- •4.1. Математическое ожидание и дисперсия функции случайных величин
- •4.2. Плотность вероятности монотонной функции непрерывной св. Плотность вероятности линейной функции нормально распределённой св
- •4.3. Распределения “хи-квадрат”, Стьюдента и Фишера
- •4.4. Основные свойства математического ожидания
- •4.5. Основные свойства дисперсии и коэффициента корреляции
- •5. Предельные теоремы
- •5.1. Закон больших чисел
- •5.2. Центральная предельная теорема
- •6. Случайные процессы
- •6.1. Понятие случайного процесса. Функции и плотности распределения случайного процесса
- •6.2. Математическое ожидание, дисперсия и автокорреляционная функция случайного процесса. Понятие стационарного случайного процесса
- •6.3. Дискретная цепь Маркова: основные понятия и свойства
3.5. Корреляционный момент и коэффициент корреляции двух св
Пусть – двумерный случайный вектор. Тогда число
называется корреляционным моментом СВ Х и Y. Для дискретных СВ Х и Y с возможными значениями и корреляционный момент определяется по формуле , где , , , для непрерывных СВ – по формуле , где – плотность распределения вектора . Размерность совпадает с произведением размерностей СВ Х и Y.
Корреляционный момент служит для характеристики рассеивания величин Х и Y и вероятностной зависимости между ними. Если , то величины Х и Y называются положительно коррелированными, если – отрицательно коррелированными, если – некоррелированными. Положительная (отрицательная) корреляция означает, что при возрастании одной из СВ другая имеет тенденцию в среднем возрастать (убывать). Некоррелированность означает, что при возрастании одной из СВ другая не имеет тенденции к возрастанию или убыванию.
Теорема. Если СВ Х и Y независимы, то они некоррелированы.
Доказательство. Для независимых дискретных СВ Х и Y имеем
.
Для непрерывных СВ имеем
.
В обоих случаях получено произведение первых центральных моментов СВ Х и Y, каждый из которых равен нулю, т.е. .
Замечание. Обратное утверждение в общем случае неверно: из некоррелированности двух СВ не следует их независимость.
На практике для характеристики вероятностной зависимости СВ Х и Y используется также коэффициент корреляции (нормированный корреляционный момент), который определяется формулой , где и – средние квадратические отклонения СВ Х и Y. Коэффициент корреляции является безразмерной величиной, а его знак совпадает со знаком корреляционного момента.
Рассмотрим, далее, случайный вектор и введём обозначение . Тогда матрица называется корреляционной матрицей этого вектора. Её элементы обладают свойствами , и , , . Аналогичным образом можно построить нормированную корреляционную матрицу случайного вектора .
Задача. Ряд распределения дискретного случайного вектора задан в виде таблицы:
-
Y
Х
1
2
3
0
0,3
0,4
0
1
0
0,2
0,1
Найти вероятности отдельных значений, математические ожидания и корреляционный момент СВ Х и Y.
Решение.
, , ,
, ;
, ;
3.6. Многомерное нормальное распределение
Непрерывный случайный вектор называется распределённым по нормальному закону с параметрами , и , если его плотность вероятности задаётся формулой
.
Можно показать, что в этом случае , и .
Если СВ Х и Y некоррелированы, т.е. , то данная формула принимает вид
,
где и – плотности распределения СВ Х и Y соответственно. Отсюда следует, что некоррелированные СВ Х и Y независимы. Таким образом, нормально распределённые СВ Х и Y независимы в том и только в том случае, если они некоррелированы.
Рассмотрим непрерывный случайный вектор и введём следующие обозначения: , ; – определитель корреляционной матрицы ; – матрица, обратная к матрице К. Данный вектор называется распределённым по нормальному закону, если его плотность вероятности выражается формулой
.
При из этой формулы можно получить приведённое выше выражение для плотности вероятности нормально распределённого случайного вектора .