Вы находитесь на странице: 1из 11

Глава 6. Двумерные случайные величины.

6.1. Понятие двумерной случайной величины и закон ее распределения.


Зачастую результат опыта описывается несколькими случайными величинами:
X 1 , X 2 ,..., X n . Например, погоду в данном месте в определенное время суток можно
охарактеризовать следующими случайными величинами: Х1 – температура, Х2 –
давление, Х3 – влажность воздуха, Х4 – скорость ветра.
В этом случае говорят о многомерной случайной величине X   X 1 , X 2 ,..., X n 
или о системе случайных величин X 1 , X 2 ,..., X n .
Рассмотрим двумерную случайную величину  X ,Y  , возможные значения
которой есть пары чисел  x, y  . Геометрически двумерную случайную величину можно
истолковать как случайную точку на плоскости OXY .
Если составляющие Х и Y – дискретные случайные величины, то  X ,Y  -
дискретная двумерная случайная величина, а если Х и Y – непрерывные, то  X , Y  -
непрерывная двумерная случайная величина.
Законом распределения вероятностей двумерной случайной величины называют
соответствие между возможными значениями и их вероятностями.
Закон распределения двумерной дискретной случайной величины может быть
задан в виде таблицы с двойным входом (см. таблица 6.1), где Pij  P  X  xi , Y  y j  -
вероятность того, что составляющая Х приняла значение xi, а составляющая Y –
значение yj.
Таблица 6.1.1.
Y
y1 y2 … yj … ym
X
x1 p11 p12 … p1j … p1m
x2 p21 p22 … p2j … p2m
… … … … … … …
xi pi1 pi2 … pij … pim
… … … … … … …
xn pn1 pn2 … pnj … pnm

Так как события  X  x Y  y  , i  1, n, j  1, m


i j , составляют полную
группу попарно несовместных событий, то сумма вероятностей равна 1, т.е.
m n
  pij  1 . (6.1.1)
j 1 i 1
Из таблицы 6.1 можно найти законы распределения одномерных составляющих
Х и Y.
Пример 6.1.1. Найти законы распределения составляющих Х и Y, если задано
распределение двумерной случайной величины в виде таблицы 6.1.2.

1
Таблица 6.1.2.
Y
2 5 7
X
-1 0,11 0,13 0,23
3 0,1 0,12 0,09
4 0,11 0,08 0,03
Решение. Так как
P  X  1  P  X  1, Y  2  P  X  1, Y  5  P  X  1, Y  7  
 0,11  0,13  0, 23  0, 47 , то проводя суммирование по строкам таблицы 6.1.2 получим
распределение Х:
-1 3 4
0,47 0,31 0,22
Аналогично суммируя по столбцам, получим распределение Y:

2 5 7
0,32 0,33 0,35

Если зафиксировать значение одного из аргументов, например Y  y j , то


полученное распределение величины Х называется условным распределением.
Аналогично определяется условное распределение Y.
Пример 6.1.2. По распределению двумерной случайной величины, заданной
табл. 6.1.2, найти: а) условный закон распределения составляющей Х при условии
Y  5 ; б) условный закон распределения Y при условии, что X  4 .
Решение. Условные вероятности составляющих Х и Y вычисляются по формулам

   
pij pij
P xi y j  , P y j xi  . (6.1.2)
p Y  y j  p  X  xi 
Тогда
а) P  X  1 Y  5  P  X  3 Y  5 
0,13 0,12
 0,394 ,  0,364 ,
0,33 0,33

P  X  4 Y  5 
0, 08
 0, 242 .
0,33
Условный закон распределения Х при условии Y  5 имеет вид

-1 3 4
0,394 0,364 0,242

Контроль: 0,394  0,364  0, 242  1 .


б) Аналогично находим условный закон Y при условии X  4 .

2 5 7
0,5 0,364 0,136

Контроль: 0,5  0,364  0,136  1 .

2
Закон распределения двумерной случайной величины  X , Y  можно задать в
виде функции распределения F  x, y  , определяющей для каждой пары чисел  x, y 
вероятность того, что Х примет значение, меньшее х, и при этом Y примет значение,
меньшее y:
F  x, y   P  X  x, Y  y  . (6.1.3)
Геометрически функция F  x, y  означает вероятность попадания случайной
точки  X , Y  в бесконечный квадрат с вершиной в точке M  x, y  (рис. 6.1.1).

M  x, y 

Рис. 6.1.1.

Отметим свойства F  x, y  .
1. Область значений функции F  x, y  - 0;1 , т.е. 0  F  x, y   1 .
2. Функция F  x, y  - неубывающая функция по каждому аргументу.
3. Имеют место предельные соотношения:
F  , y   0 ; F  x,   0 ; F  ,   0 ; F  ,    1
.
При y   функция распределения системы становится равной функции
распределения составляющей Х, т.е.
F  x,    F1  x  .
Аналогично, F  , y   F2  y  .
Зная F  x, y  , можно найти вероятность попадания случайной точки  X ,Y  в
пределы прямоугольника ABCD (рис. 6.1.2).
y

B(x1,y2) C(x2,y2)

A(x1,y1) D(x2,y1)

x
Рис. 6.1.2.
3
А именно,
P  x1  X  x2  y1  Y  y2  = F  x2 , y2   F  x1 , y2   F  x2 , y1   F  x1 , y1  . (6.1.3)
Пример 6.1.3. Двумерная дискретная случайная величина задана таблицей
распределения
Y
0 1 3
X
-1 0,17 0,11 0,09
1 0,27 0,10 0,26

Найти функцию распределения F  x, y  .


Решение. Значение F  x, y  в случае дискретных составляющих Х и Y находится
суммированием всех вероятностей pij с индексами i и j, для которых xi  x , y j  y .
Тогда, если x  1 и y  0 , то F  x, y   0 (события  X  x и Y  y - невозможны).
Аналогично получаем:
если x  1 и y  0 , то F  x, y   0 ;
если 1  x  1 и y  0 , то F  x, y   0 ;
если 1  x  1 и 0  y  1 , то F  x, y   P  X  1, Y  0  0,17 ;
если 1  x  1 и 1  y  3 , то F  x, y   0,17  0,11  0, 28 ;
если 1  x  1 и y  3 , то F  x, y   0,17  0,11  0,09  0,37 ;
если x  1 и y  0 , то F  x, y   0 ;
если x  1 и 0  y  1 , то F  x, y   0,17  0, 27  0, 44 ;
если x  1 и 1  y  3 , то F  x, y   0,17  0,11  0, 27  0,10  0,65 ;
если x  1 и y  3 , то F  x, y   0,17  0,11  0,09  0, 27  0,10  0, 26  1.
Полученные результаты оформим в виде таблицы (6.1.3) значений F  x, y  :

при y0 0  y 1 1 y  3 y3


x  1 0 0 0 0
1  x  1 0 0,17 0,28 0,37
x 1 0 0,44 0,65 1

Для двумерной непрерывной случайной величины вводится понятие плотности


вероятности
2 F
  x, y    F ''xy  x, y  . (6.1.4)
xy
Геометрическая плотность вероятности   x, y  представляет собой поверхность
распределения в пространстве OXYZ (рис. 6.1.3).

4
Рис. 6.1.3

Двумерная плотность вероятности обладает следующими свойствами:


1.   x, y   0
 
2.     x, y   1
 

3. Функция распределения F  x, y  может быть выражена через   x, y  по


формуле
x y

F  x, y       x, y  dxdy . (6.1.5)
 

4. Вероятность попадания непрерывной случайной величины  X , Y  в область D


равна
P   X , Y   D      x, y  dxdy . (6.1.6)
D

5. В соответствии со свойством (4) функции F  x, y  имеют место формулы:


x 
F1  x       x, y  dxdy (6.1.7)
 
 y

F2  y       x, y  dxdy (6.1.7)
 

dF1
1  x       x, y  dy (6.1.8)
dx 
dF2 
2  y       x, y  dx (6.1.9)
dy 

Пример 6.1.4. Задана функция распределения двумерной случайной величины

1  e 1  e  при x  0, y  0


 x 4 y

F  x, y    .
0 при x  0 или y  0

5
Найти: 1) двумерную плотность вероятности  X , Y  ; 2) вероятность попадания
случайной величины  X ,Y  в прямоугольник, ограниченный прямыми x  0 , x  4 ,
y  0 , y  1.
Решение. 1) Так как   x, y   Fxy , то дифференцируя F  x, y  сначала по x :
F 'x  e  x 1  e 4 y  , а затем по y : F ''xy  4e x e4 y , получим

4e x e4 y при x  0, y  0


 ( x, y)   .
0 при x  0 или y  0
2) Используя формулу (6.1.3) и рис. 6.1.4, получим
P  0  X  4  0  Y  1   F  4,1  F  0,1  F  4,0  F  0,0  1  e 
4 2
0  0 0 
 1  e4   0,964 .
2

(0,1) (4,1)

(0,0) (4,0) х
Рис. 6.1.4.

По аналогии с условными вероятностями вводятся условные законы


распределения составляющих непрерывной двумерной случайной величины  X ,Y  , а
именно
  x, y 
  x y  - (6.1.10)
2  y 
условная плотность распределения Х при заданном значении Y  y ;
  x, y 
  y x  - (6.1.11)
1  x 
условная плотность распределения Y при заданном значении X  x .
Если случайные величины X и Y независимые, т.е. закон распределения каждой
из них не зависит от того, какое значение принимает вторая величина, то условные и
безусловные законы Х и Y совпадают. В частности,   x y   1  x  и   y x   2  y  .
Таким образом, для независимых составляющих Х и Y двумерная плотность
вероятности находится следующим образом
  x, y   1  x 2  y 
(6.1.12) и функция распределения F  x, y  имеет вид
F  x, y   F1  x  F2  y  . (6.1.13)

6
Заметим, что если имеют место соотношения (6.1.12) или (6.1.13), то
составляющие Х и Y – независимые случайные величины.
Если составляющие Х и Y дискретной случайной величины – независимые
случайные величины, то
P  X  xi , Y  y j   Pi  Pj ,

(6.1.14) где Pi  P  X  xi  , Pj  P Y  y j  , i  1, n , j  1, m .
Пример 6.1.5. Законы плотности распределения независимых составляющих Х и
Y:

2 xe  x при x  0, 
2 ye y при y  0,
2 2

1  x    2  y   
0 при x  0
 0 при y  0

Найти: 1) плотность совместного распределения; 2) функцию распределения
системы  X , Y  .
Решение. 1) В силу независимости составляющих Х и Y плотность совместного
распределения
  x, y   1  x   2  y   2 xe  x  2 ye y  4 xye x  y2
2 2 2
при x  0, y  0 и
  x, y   0 при x  0 или y  0 .
2) Найдем F1  x  и F2  y  .
x x x
F1  x    1  x  dx   2 xe dx  e
x x
 1  e x .
2 2 2

0
 0

Аналогично F2  y   1  e  y .
2

Тогда F  x, y   F1  x  F2  y   1  e x  2

1  e  при x  0 , y  0 ,
 y2

F  x, y   0 при x  0 или y  0 .

6.2. Числовые характеристики двумерной случайной величины.


При изучении двумерных случайных величин рассматриваются числовые
характеристики составляющих:
M  X  , M Y  , D  X  , D Y  , где
m n
M X    x i pij  ax
j 1 i 1
m n
M Y    y j pij  a y
j 1 i 1
(6.2.1)
m n
D X     x  ax  pij
2
i
j 1 i 1
m n
D Y     y  a y  pij
2
j
j 1 i 1
для дискретных составляющих X и Y и

7
 
M X     x    x, y dxdy  a x
 
 
M Y     y    x, y dxdy  a y
 

(6.2.2)
 
D X     x  a     x, y dxdy
2
x
 
 
D Y     ya     x, y dxdy
2
y
 

в случае непрерывных составляющих.


Упорядоченную пару чисел  a , a  называют математическим
x y ожиданием
двумерной случайной величины, а  D , D  - ее дисперсия.x y

Отмеченные выше числовые характеристики не определяют степень


зависимости составляющих X и Y. Эту роль выполняют корреляционный момент K xy
(иначе: ковариация cov  X , Y  ), который определяется следующим образом:

K xy  M  x  a    y  a  .
x y

(6.2.3)
Для дискретных случайных величин
m n
K xy    x i  ax  y j  a y  pij (6.2.4)
j 1 i 1
Для непрерывных случайных величин
 
K xy     x  a  y  a   x, y  dxdy
 
x y (6.2.5)

Корреляционный момент можно вычислить по формуле (6.2.6)


K xy  M  X  Y   M  X   Y  .
(6.2.6)
Если Х и Y независимы, то K xy  0 . Если K xy  0 , то Х и Y зависимые случайные
величины.
В случае K xy  0 случайные величины X и Y называют некоррелированными,
при этом она могут быть как зависимыми, так и независимыми.
Ковариация X и Y характеризует не только степень зависимости случайных
величин, но и их рассеяние вокруг точки a , a  .
x y Кроме того, K xy - размерная
величина, что затрудняет ее использование для оценки степени зависимости для
различных случайных величин.
Для оценки зависимости вводится коэффициент корреляции

8
K xy
rxy  ,
 x y
(6.2.7) где  x и  y - среднеквадратические отклонения X и Y.
Коэффициент корреляции rxy - безразмерная величина, обладающая
следующими свойствами:
1. rxy - ограниченная величина, а именно 1  rxy  1.
2. Если X и Y – независимые случайные величины, то rxy  0 .
3. Если X и Y связаны линейной функциональной зависимостью Y  AX  B , то
rxy  1 и наоборот.
Из последнего свойства можно сделать вывод: коэффициент корреляции
характеризует степень линейной зависимости случайных величин X и Y.

Пример 6.2.1. В урне содержится 4 белых и 2 черных шара. Из нее извлекают 2


шара без возвращения. Пусть X – число извлеченных белых шаров, Y – число
извлеченных черных шаров. Составить закон совместного распределения двумерной
случайной величины  X , Y  и найти коэффициент корреляции rxy .
Решение. Как Х, так и Y могут принимать значения 0; 1; 2. Вычислим
соответствующие вероятности.
Pij  P  X  xi , Y  y j  , i  1, 2,3 , j  1, 2,3 .
X
0 1 2
Y
0 0 0 0,4
8
1 0 0
15
1
2 0 0
15

Очевидно, что P  X  0, Y  0  0 , P  X  1, Y  1  0
4 3
P  X  2, Y  0     0, 4 , P  X  0, Y  1  0
6 5
8
P  X  1, Y  1  , P  X  2, Y  1  0
15
2 1 1
P  X  0, Y  2     , P  X  1, Y  2  0
6 5 15
P  X  2, Y  2  0 .
Составим распределения X и Y.

X 0 1 2
1 8
pi 0,4
15 15

9
Y 0 1 2
8 1
pj 0,4
15 15
8 4 8 1 2
Найдем M  X   1   2  0, 04  , M Y   1   2  .
15 3 15 15 3
3 3
 4  2  4
Вычислим K xy    x i  ax  y j  a y   pij   2   0    0, 4  1   
 3  3  3
j 1 i 1

 2 8  4  2 1 16
 1      0    2      .
 3  15  3  3  15 45
Вычислим D x и Dy .

Dx  M  X 2   M 2  X   1 
8 16 16
 4  0, 4  
15 9 45

Dy  M  Y 2   M 2  Y   1   4   
8 1 4 16
.
15 15 9 45
16
K xy 
Вычислим rxy   15  1 .
Dx Dy 16
15
Следовательно, Х и Y связаны линейной зависимостью.

Пример 6.2.2. Плотность совместного распределения случайных величин Х и Y


задана формулой
c 1  xy  ,
  1  x  1, 1  y  1
3

  x, y    .

0 в остальных случаях
Найти: 1) коэффициент с; 2) безусловные и условные плотности распределения
Х и Y; 3) M  X  , M Y  ; 4) ковариацию Х и Y.
1 1 1 1
Решение. Так как   c 1  xy  dxdy  1 , то вычислив   1  xy  dydx 
3 3

1 1 1 1
1 1
1
 y4  1
 x x
 yx  dx   1   1   dx = 2 x  4 , получим 4c  1 и c  0, 25 .
1 
1 
4  4 4
1 1
1
1
 xy 4 
Найдем 1  x    0, 25 1  xy  dy  0, 25  y 
3
  0,5 и
1  4 
1
1
1
 x2 y3 
2  y    0, 25 1  xy  dx  0, 25  x 
3
  0,5 .
1  2 
1

Условный закон распределения Х


  x, y  0, 25 1  xy   1 1  xy .
3

  x y 
1  y 

0,5 2
 3

Аналогично,
10
  y x 
1
2
1  xy 3  .

Вычислим M  X  и M Y  .
1
 1
1
M  X    x  1  x  dx   x  0,5dx  x 2  0.
 1
4
1

Аналогично M Y   0 .
1
1  xy 2 x 2 y 5 
1 1 1
Вычислим K xy    xy  1  xy 3  dxdy   
1
  dx  0, 2 .
4 1 1 4 1  2 5 
1

11

Оценить