Случайные вектора
Рис. 57.1.
Линии
равного уровня
плотности
вероятности
при
.указана
часть плоскости,
на которой
,
и следовательно
неотрицательна
подынтегральная
функция. Поскольку
в заштрихованной
области (положительные
значения
подынтегральной
функции) плотность
имеет в среднем
большее значение,
чем в нештрихованной
области (отрицательные
значения
подынтегральной
функции), то
ковариация
.
На рис. 57.2 представлены
линии равного
уровня плотности
при
.
Случай
соответствует
симметричному
расположению
линий относительно
прямой
(или
).
Например, эти
линии могут
быть эллипсами,
у которых большая
полуось совпадает
по направлению
с прямой
(или
).
Другой пример
– линии являются
окружностями
с центром в
точке
.
Рис. 57.2. Линии равного уровня плотности
вероятности
при
.
Отметим,
что если
,
а линии равного
уровня имеют
ось симметрии,
например, на
рис. 57.1 линии –
это эллипсы,
тогда можно
выполнить
преобразование
(вращение) системы
координат
,
такое, что в
новой системе
ковариация
.
Это означает
также и преобразование
случайных
величин
,
с ненулевой
ковариацией
к новым случайным
величинам, для
которых ковариация
равна нулю.
Коэффициент корреляции
58.1.
Коэффициентом
корреляции
двух случайных
величин
и
называется
число
. (58.1)
Коэффициент
корреляции
является ковариацией:
двух безразмерных
случайных
величин
,
, (58.2)
полученных
из исходных
величин
и
путем преобразования
специального
вида (58.2) (нормировки),
которое обеспечивает
нулевые средние
,
и единичные
дисперсии
,
.
Коэффициент
корреляции
(58.1) можно представить
через ковариацию
случайных
величин
и
:
. (58.3)
Поскольку
,
то из (58.3) следует
. (58.4)
Коэффициент
корреляции
является безразмерной
величиной,
принимает
значения на
интервале
и поэтому
используется
как мера статистической
связи линейного
типа между
случайными
величинами
и
,
в отличие от
ковариации
,
для которой
интервал значений
зависит от
дисперсий
случайных
величин. Рассмотрим
примеры вычисления
коэффициента
корреляции,
позволяющие
выяснить свойства
как меры статистической
связи между
случайными
величинами.
58.2.
Пусть
- случайная
величина с
математическим
ожиданием
,
дисперсией
и
.
Ковариация
случайных
величин
и
определяется
формулой (56.5):
. Подставим это
соотношение
в (58.3) , тогда:
(58.4)
Таким
образом, для
случайных
величин
,
,
связанных
линейной зависимостью
коэффициент
корреляции
принимает либо
максимальное
значение
,
либо минимальное
-
.
58.3.
Рассмотрим
обобщение
линейной функции,
связывающей
случайные
величины
и
на линейную
случайную
функцию следующего
вида:
(58.5)
где
и
- независимые
случайные
величины. В
частном случае
- число и (58.5) – линейная
функция, определяющая
через
.
Для детерминированной
линейной связи
- принимает
максимальное
значение. Если
- случайная
величина, то
связь (58.5) становится
статистической
(стохастической,
случайной), то
есть не столь
жесткой как
детерминированная
функциональная
связь. Это приводит
к
.
В зависимости
от свойств
случайной
величины
статистическая
связь между
и
может быть
сильной,
,
или слабой,
.
Для того, чтобы
ответить на
вопрос, какова
мера связи
между случайными
величинами
и
(58.5) вычислим их
коэффициент
корреляции.
Пусть
,
,
,
.
Тогда из (58.5) следует,
в силу независимости
и
:
.
Выразим
дисперсию
случайные
величины
через параметры
случайных
величин
,
:
. (58.6)
Теперь по формуле (58.3):
. (58.7)
Если
,
то из (58.7) следует
,
что соответствует
слабой связи
между случайными
величинами
и
.
Если
,
из (58.7) следует
,
связь становится
сильной и в
пределе при
переходит в
детерминированную
линейную связь.
Коэффициент корреляции и расстояние
59.1.
Пусть
- множество
элементов
Расстоянием
(метрикой) между
элементами
множества
называется
неотрицательная
функция
,
удовлетворяющая
следующим трем
аксиомам:
,
причем
.
.
.
Вторая
аксиома называется
условием симметрии,
а третья –
неравенством
треугольника.
Если аксиому
1 ослабить:
,
тогда
называется
псевдометрикой.
Для псевдометрики
из условия
не обязательно
следует
.
Пусть
- множество
случайных
величин. Для
каждой пары
элементов этого
множества можно
также ввести
расстояние
вида
. (59.1)
Покажем,
что функция
является
псевдометрикой.
Аксиома 1 – очевидна:
,
причем из условия
следует
.
Аксиома 2 также
очевидна. Рассмотрим
аксиому 3. Справедливы
следующие
преобразования:
![]()
(59.2)
Пусть
- корреляция
двух случайных
величин
и
.
Известно, что
удовлетворяет
неравенству
(55.2)
. (59.3)
Подставим (59.3) в (59.2), тогда
![]()
, (59.4)
что и доказывает третью аксиому.
59.2. Пусть
,
(59.5)
- нормированные случайные величины. Рассмотрим квадрат расстояния между ними:
, (59.6)
где
- коэффициент
корреляции
случайных
величин
и
.
Из (59.6) следует
равенство
(59.7)
которое
можно рассматривать
как закон сохранения:
величина
- постоянная
для любых случайных
величин
и
.
Это равенство
позволяет дать
интерпретацию
коэффициента
корреляции
как величины,
дополняющей
расстояние
до единицы.
Функция распределения вероятностей случайного вектора
Во
многих приложениях
теории вероятностей
возникает
необходимость
рассматривать
совокупность
случайных
величин
,
которая называется
многомерной
(
-
мерной) случайной
величиной
или
-мерным случайным
вектором
.
Полное вероятностное
описание
- мерного случайного
вектора задается
функцией
распределения
вероятностей
(или плотностью
вероятности
,
или характеристической
функцией
).
Функция
аргументов
(60.1)
называется
функцией
распределения
вероятностей
случайного
вектора
.
Здесь случайное
событие
(60.2)
-
представляет
пересечение
событий вида
.
В записях вида
(60.1) для краткости
символ пересечения
принято заменять
запятой.
Рассмотрим основные свойства функции распределения вероятностей.
1.
Пусть
- независимые
случайные
величины, тогда
события
,
,
- независимы
и формула (60.1)
принимает вид
,
(60.3)
где
- функция распределения
вероятностей
случайной
величины
.
Таким образом,
для независимых
случайных
величин их
совместная
функция распределения
представима
произведением
одномерных
функций
.
Для
любого
![]()
. (60.4)
Доказательство
следует из
определения
(60.1). Событие
является невозможным,
поэтому и событие
(60.2) - невозможное,
его вероятность
равна нулю,
следовательно
выполняется
соотношение
(60.4).
Для
любого
![]()
. (60.5)
Это
равенство также
следует из
определения.
Событие
- достоверное
и в пересечении
вида (60.2) это событие
можно опустить,
после чего из
(60.1) следует (60.5).
Если
для всех
,
то
, (60.6)
как вероятность достоверного события.
5.
Функция распределения
- непрерывна
справа по каждому
своему аргументу.
Плотность вероятности случайного вектора
Пусть
случайный
вектор
имеет функцию
распределения
вероятностей
и существует
частная производная