Числові характеристики системи випадкових величин та їх граничні теореми
Размещено на /
Числові характеристики системи випадкових величин та їх граничні теореми
1. Кореляційний момент, коефіцієнт кореляції
Кореляційним
моментом
(коваріацією)
випадкових
величин
і
називається
математичне
сподівання
добутку відповідних
ним центрованих
величин:
.
(1)
Властивості коваріації:
|
1.
|
||
|
2.
|
||
|
3.
|
Перші дві з них очевидні, остання доводиться також легко:
![]()
Коефіцієнтом кореляції називається кореляційний момент нормованої випадкової величини:

Теорема.
Для будь-яких
випадкових
величин
,
коефіцієнт
кореляції
причому знак
рівності можливий
тоді і тільки
тоді, коли
і
з імовірністю
1 пов'язані лінійно.
Доведення.
Обчислимо
дисперсію
лінійної комбінації
випадкових
величин
і
з довільним
коефіцієнтом
та врахуємо,
що з властивостей
дисперсії вона
є невід'ємною.
При
цьому отримаємо
невід’ємну
квадратичну
форму відносно
змінної
з невід’ємним
коефіцієнтом
при
.
![]()
Це
можливо лише
за умови, що її
дискримінант
.
З урахуванням
визначення
(1) цю нерівність
можна переписати
у вигляді:
![]()
або

або мовою середніх квадратичних відхилень випадкових величин
.
Тобто
![]()
Доведемо
тепер другу
частину теореми:
тоді і тільки
тоді, коли
і
з імовірністю
1 пов'язані лінійно.
Необхідність:

Достатність:
,
,
,
,
.
Випадкові величини x,h називаються некорельованими, якщо їх коваріація дорівнює нулю. Якщо випадкові величини x, h незалежні, то вони некорельовані.
.
Зворотне твердження, взагалі кажучи, не має місця.
Наприклад,
.

.
Для
опису зв'язків,
що існують між
проекціями
випадкового
вектора (x,h),
крім коваріації
можна використовувати
числові характеристики
умовних законів
розподілу
,
.
Умовним
середнім значенням
і умовною дисперсією
випадкової
величини x
за умови h
=y називаються
величини:
,
.
Аналогічно
визначаються
характеристики
і
.
Для опису випадкового вектора також вводять початкові і центральні моменти:
,
.
2. Комплексна випадкова величина, характеристичні функції
Комплексна
випадкова
величина, що
вводиться за
формулою
,
є іншим способом
опису випадкового
вектора (
,
).
Випадкові
величини
і
називаються
незалежними,
якщо незалежними
є випадкові
вектори (
,
)
і (
,
).
,
,
,
,
![]()
,
,
,
,
.
Характеристичною
функцією випадкової
величини
називається
середнє значення
виразу
.
.
Функцію
називають також
характеристичною
функцією відповідного
закону розподілу:
(2)
Як
видно з (2), характеристична
функція
є перетворенням
Фур'є відповідної
їй щільності
імовірності:

Властивість 1. При додаванні незалежних випадкових величин їхні характеристичні функції перемножуються.

Властивість
2. Розкладання
характеристичної
функції в ряд
за ступенями
дозволяє знайти
всі моменти
,
,
,…випадкової
величини
.

3. Види збіжності випадкових величин
Послідовність
випадкових
величин x1,
x2…називається
такою, що збігається
з випадковою
величиною x
в розумінні
середнього
квадратичного,
якщо границя
математичного
сподівання
квадрата абсолютного
значення відхилення
від
прямує до нуля
за умови, що
,
тобто
.
Величина x називається ще СК границею послідовності {xn}.
чи
.
Оскільки
,
СК збіжність рівносильна виконанню умов:
.
Послідовність
випадкових
величин
збігається
з випадковою
величиною
при
за імовірністю,
якщо для кожного
будь-якого e>0
,
.
Збіжність
послідовності
до випадкової
величини
за ймовірністю
символічно
позначається
таким чином:
.
Для
будь-якої випадкової
величини
при будь-якому
e>0
.

.
Наслідок.

Зі збіжності у СК випливає збіжність за ймовірністю.
4. Граничні теореми теорії ймовірностей
Нерівність Чебишева.
.
(3)
Як
випливає з
нерівностей
(3) зі зменшенням
дисперсії
,
основна частина
площі під кривої
fx(x)
виявляється
зосередженою
в околі точки
.

Рисунок 1
Внаслідок своєї загальності нерівність Чебишева дає дуже грубу оцінку ймовірності, що входить до неї.
Наприклад,
.
,
якщо
.
Вважають,
що послідовність
функцій розподілу
,
,