Реферат: Случайные вектора
. (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
, (61.1)
тогда функция называется плотностью распределения вероятностей случайного вектора или - мерной плотностью вероятности. При этом функция и сам вектор называются непрерывными.
Рассмотрим основные свойства плотности вероятности случайного вектора.
1. Пусть - независимые случайные величины, тогда функция распределения вероятностей вектора представима в виде произведения одномерных функций, формула (60.3). Подставляя (60.3) в (61.1), получим
, (61.2)
где
(61.3)
- плотность вероятности случайной величины .
2. Пусть - малое приращение аргумента . Тогда из (61.1) следует
, (61.4)
где - разность порядка функции , определяемая соотношением:
,
,…
Из определения функции , формула (60.1), следует
, (61.5)
затем из (61.4), (61.5) получаем вероятность попадания случайного вектора в -мерный параллелепипед со сторонами :
. (61.6)
Из (61.6) следует
. (61.7)
4. Аналогично из (61.6)
. (61.8)
5. Условие нормировки для плотности вероятности также следует из соотношения (61.6):
. (61.9)
6. Пусть - область - мерного пространства, тогда - вероятность того, что - мерный случайный вектор принимает значение из области , определяется через плотность :
. (61.10)
Доказательство этого соотношения следует из (61.6) с учетом того, что любая область может быть покрыта - мерными параллелепипедами при условии, что - наибольшая сторона параллелепипеда стремится к нулю.
7. Для любого
. (61.11)
Это равенство называется свойством согласованности плотности: из плотности вероятности порядка путем интегрирования по «лишнему» аргументу может быть получена плотность вероятности порядка . Для доказательства представим обе части равенства (60.5) через плотности, используя (61.8), тогда (60.5) принимает вид:
. (61.12)
Продифференцируем обе части этого равенства по аргументам , что приводит к выражению (61.11).
Многомерное нормальное распределение
Случайный вектор называется нормально распределенным, если его плотность вероятности
, (62.1)
где ; - ковариационная матрица вектора , элемент которой является ковариацией случайных величин ; - определитель матрицы ; - матрица, обратная ковариационной.
Рассмотрим плотность вероятности в частном случае попарно некоррелированных случайных величин , для которых выполняется условие
, (62.2)
где - символ Кронекера. Таким образом, ковариационная матрица является диагональной, поскольку ее элементы (62.2) на главной диагонали – ненулевые, а вне главной диагонали - нулевые. Следовательно, определитель