Случайные вектора
65.2.
Рассмотрим
модификацию
формулы (65.1) на
случай многозначного
обратного
преобразования
.
Для этого на
области определения
функции
выделим неперекрывающиеся
интервалы
,
- целое, на которых
,
тогда на интервалах
вида
выполняется
условие
.
Функция
,
для
,
монотонная
возрастающая,
а для
- монотонная
убывающая.
Поэтому для
каждого из
указанных
интервалов
существует
однозначная
обратная функция
по отношению
к функции
.
Пусть функция
для
имеет обратную
функцию вида
,
,
очевидно
- монотонная
возрастающая,
поскольку
обратная ей
- монотонная
возрастающая.
Аналогично
обозначим через
- функцию со
значениями
,
обратную к
на интервале
.
Очевидно
- монотонная
убывающая.
Функция
называется
-я
ветвь обратного
преобразования
функции
.
Теперь по формуле
сложения вероятностей
для несовместных
событий:
(65.8)
где суммирование ведется по всем ветвям обратного преобразования.
На
рис. 65.1. представлен
простой пример
функции
,
у которой ветви
обратного
преобразования:
со значениями
,
и
- со значениями
.
На интервале
функция
- монотонно
возрастающая,
а на интервале
функция
- монотонная
убывающая.
Равенство
(65.8) в этом случае
принимает вид:
.
Рис. 65.1. Пример преобразования случайной величины.
Представим вероятности в (65.8) через плотности вероятностей, тогда:
. (65.9)
Дифференцируя
по
обе части (65.9),
получим
(65.10)
или
, (65.11)
где
суммирование
по
ведется по всем
ветвям обратного
преобразования.
65.3.
Рассмотрим
примеры вычисления
плотности
вероятности
случайной
величины
по формуле
(65.11). Пусть
- линейное
преобразование
случайной
величины
.
Функция
- взаимно однозначная,
поэтому обратное
преобразование
имеет одну
ветвь и сумма
в (65.11) содержит
одно слагаемое.
Поскольку
,
то (65.11) принимает
вид:
. (65.12)
Рассмотрим
квадратичное
преобразование
.
Обратное
преобразование
имеет две ветви
и
.
Поэтому сумма
(65.11) состоит из
двух слагаемых.
Вычисляя,
для
,
получаем:
(65.13)
Пусть
и случайная
величина
имеет равномерное
распределение
вероятностей
на интервале
,
с плотностью
,
если
,
и
при
.
Обратное
преобразование
имеет две ветви:
,
а также
.
Вычисление
производных
и подстановка
в (65.11) приводит
к результату:
. (65.14)
На
рис. 65.2. представлен
график плотности
косинус-преобразования
равномерно распределенной случайной величины. Таким образом, исходная
Рис. 65.2. Плотность вероятности косинус-преобразования.
исходная
величина
и преобразованная
величина
могут иметь
совершенно
непохожие
плотности
вероятности.
Преобразование нескольких случайных величин
66.1.
Соотношение
(65.11), определяющее
плотность
вероятности
преобразованной
величины
через плотность
исходной случайной
величины
,
можно обобщить
на случай
преобразования
случайных
величин. Пусть
случайные
величины
имеют совместную
плотность
,
и заданы
функций
,
переменных
.
Необходимо
найти совместную
плотность
вероятности
случайных
величин:
(66.1)
Эта
задача отличается
от общей постановки,
п. 6.4., условием
- число исходных
случайных
величин равно
числу преобразованных
величин. Преобразование,
обратное (66.1),
находится как
решение системы
уравнений
,
,
относительно
переменных
.
При этом каждое
зависит от
.
Совокупность
таких функций
,
,
образует обратное
преобразование.
В общем случае
обратное
преобразование
неоднозначно.
Пусть
,
,
-
-
я ветвь обратного
преобразования
,
тогда справедливо
соотношение:
, (66.2)
где сумма берется по всем ветвям обратного преобразования,
(66.3)
-
якобиан преобразования
от случайных
величин
к случайным
величинам
.
Если
из каждой
совокупности
случайных
величин получается
случайных
величин
,
то формулой
(66.2) можно воспользоваться,
дополнив систему
до
случайных
величин, например,
такими величинами
.
Если же
,
то
случайных
величин из
совокупности
функционально
связаны с остальными
величинами,
поэтому
-
мерная плотность
будет содержать
дельта-функций.
Соотношения
(64.4), (64.6) и (66.2) определяют
два метода
решения задачи
вычисления
плотности
совокупности
случайных
величин
,
полученных
функциональным
преобразованием
исходных случайных
величин
с совместной
плотностью
вероятности
.
Основная трудность
в применении
первого метода
состоит в вычислении
-мерного
интеграла по
сложной области
.
Во втором методе
основная трудность
– это нахождение
всех ветвей
обратного
преобразования.
66.2.
Рассмотрим
простой пример
вычисления
плотности
вероятности
суммы двух
случайных
величин
и
с плотностью
по формуле
(66.2). Очевидно, в
качестве первой
преобразованной
величины следует
выбрать сумму:
,
а в качестве
второй
(хотя можно
взять и
).
Таким образом,
функциональное
преобразование
от
,
к
,
задается системой
уравнений:
(66.4)
Обратное
преобразование
– это решение
системы уравнений
относительно
,
:
(66.5)
Обратное преобразование однозначно, поэтому в (66.2) сумма состоит из одного слагаемого. Найдем якобиан преобразования:
.
Теперь
(66.2) для
принимает вид:
. (66.6)
Функция
- это совместная
плотность
вероятности
случайных
величин
и
.
Отсюда плотность
вероятности
суммы
находится из
условия согласованности:
. (66.7)
Рассмотрим первый метод решения этой же задачи. Из (64.4) следует:
.
66.8)
Задача
сводится к
преобразованию
интеграла по
области
,
определяемой
условием
.
Этот интеграл
можно представить
в виде:
(66.9)
Отсюда плотность вероятности:
Отсюда плотность вероятности:
, (66.10)
что совпадает с формулой (66.7).
Хи - квадрат распределение вероятностей
67.1.
Хи - квадрат
распределением
с
степенями
свободы называется
распределение
вероятностей
случайной
величины
,
где
- независимые
случайные
величины и все
- гауссовы с
математическим
ожиданием
и дисперсией
.
В соответствии
с формулой
(64.3) функция
распределения
вероятностей
случайной
величины
равна
, (67.1)
где
- совместная
плотность
вероятности
величин
.
По условию
- независимые,
поэтому
равна произведению
одномерных
плотностей:
. (67.2)
Из
(67.1), (67.2) следует, что
плотность
вероятности
случайной
величины
определяется
выражением:
. (67.3)
Анализ
этого выражения,
видимо, представляет
собой наиболее
простой способ
нахождения
,
поскольку здесь
и (67.3) можно представить
в виде:
.
(67.4)
Здесь
интеграл равен
объему
области
- мерного пространства,
заключенной
между двумя
гиперсферами:
- радиуса
и
- радиуса
.
Поскольку объем
гиперсферы
радиуса
пропорционален
,
т.е.
,
то
(67.5)
-
объем между
двумя гиперсферами
с радиусами
и
,
что и определяет
с точностью
до множителя
интеграл (67.4).
Подставим
(67.5) в (67.4), тогда