Реферат: Случайные вектора
. (62.3)
Элемент матрицы , обратной ковариационной можно найти по известной формуле:
, (62.4)
где - алгебраическое дополнение элемента матрицы . Из (62.3) следует
, (62.5)
а также при . Подстановка этих результатов в (62.4) приводит к выражению
. (62.6)
Подставим (62.3), (62.6) в (62.1), тогда
, (62.7)
где - плотность вероятности случайной величины . Таким образом, для гауссова случайного вектора из условия попарной некоррелированности его компонент , , следует условие (62.7) - независимости компонент случайного вектора.
Характеристическая функция случайного вектора
63.1 Функция переменных
(63.1)
называется характеристической функцией случайного вектора .
Если случайный вектор является непрерывным, то его характеристическая функция (63.1) определяется через его плотность :
. (63.2)
Это соотношение является - мерным преобразованием Фурье от функции . Поэтому плотность можно выразить через характеристическую функцию в виде обратного преобразования Фурье по отношению к (63.2):
. (63.3)
63.2 Несложно доказать следующие свойства характеристической функции.
1. .
2. .
3. Для независимых случайных величин их совместная характеристическая функция , где - характеристическая функция случайной величины .
4. Для любого целого , , справедливо соотношение:
.
63.3. Для нормально распределенного случайного вектора его характеристическая функция находится подстановкой плотности вероятности (62.1) в (63.2.) и последующем вычислении - мерного интеграла (63.2). Это приводит к следующему выражению:
, (63.3)
где - ковариация случайных величин и .
Функции от случайных величин
Пусть - случайные величины, имеющие совместную плотность и совместную функцию распределения вероятностей . Пусть также заданы функций , переменных . Вместо аргументов функции подставим случайные величины , тогда
(64.1)
- новые случайные величины. Задача состоит в том, чтобы по известным функциям , , , , найти функцию и плотность распределения вероятностей случайного вектора . Такая задача довольно часто возникает во многих приложениях теории вероятностей.
Сравнительно просто найти функцию распределения вероятностей . Действительно, по определению:
(64.2)
Представим случайные величины через , используя соотношения (64.1), тогда
(64.3)
Здесь вероятность можно представить в виде интеграла по области от плотности :
(64.4)
где областьсодержит все -мерные вектора , удовлетворяющие условию:
(64.5)
Плотность вектора можно определить из (64.4) по формуле:
(64.6)
Соотношения (64.4), (64.6) определяют всего лишь метод решения задачи, но не само решение. Задача в конкретной постановке может быть как относительно простой, так и очень сложной, в зависимости от чисел , , плотности и вида функций , определяющих область . Ниже рассмотрим примеры решения этой задачи для преобразования одной, двух и нескольких случайных величин.
Распределение вероятностей функции одной случайной величины
65.1. Пусть случайная величина имеет плотность вероятности и функция одной переменной , , является взаимно однозначной, тогда плотность вероятности случайной величины определяется соотношением:
, (65.1)
где - функция, обратная функции .
Вывод формулы (65.1) основан на соотношениях (64.4) и (64.6). Поскольку функция - взаимно однозначная, то эта функция или монотонно возрастающая или монотонно убывающая . Очевидны соотношения:
, (65.2)
. (65.3)
Пусть , - функции распределения вероятностей случайных величин и . Если , тогда используя (65.2),
. (65.4)
Продифференцируем по равенство (65.4), тогда
. (65.5)
Аналогично при справедливо равенство (65.3), поэтому
(65.6)
Отсюда:
. (65.7)
Теперь из соотношений (65.5) и (65.7) следует (65.1).
Существенным условием при выводе формулы (65.1) является свойство взаимной однозначности функции . Примерами таких функций являются: 1). Линейная функция , где , - числа, при этом обратная функция имеет вид ; 2). Экспонента - , откуда обратная функция , , и другие. Однако условие взаимной однозначности функции может нарушаться, например, для функции обратная функция , - двузначная. При этом рассматриваются две функции и , , которые называются первая и вторая ветви обратного преобразования . Более сложный пример: . Здесь обратная функция многозначная.
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: