X.

tétel
TÖBBDIMENZIÓS ELOSZLÁSOK

A pij (i=1, 2, ..., n; j=1, 2, ...., m) valószínűségek halmazát az x és h együttes eloszlásának

nevezzük. A x -hez tartozó pi (i= 1, ..., n) és az h-hoz tartozó qj (j= 1, 000, m) valószínűségek
összességei a perem- (vagy vetület-) eloszlások. A (x,h) tekinthető egyetlen valószínűségi
vektorváltozónak.

Legyenek x és h a H-n értelmezett valószínűségi változók. A x és h együttes

eloszlásfüggvényének azt az F kétváltozós függvényt nevezzük, amely az (x, y) számpárhoz a
x<x és h<y események együttes bekövetkezésének valószínűségét rendeli.
F: F ( x , y )  P (x  x;h  y )   x , y  R 
2

Ekkor külön a x valószínűségi változó F1 eloszlásfüggvényét és az h valószínűségi változó F2

eloszlásfüggvényét perem- (vagy vetületi) eloszlásfüggvénynek nevezzük.

6.7.tétel
Ha x és h várható értéke létezik, akkor létezik a x+h valószínűségi változó várható értéke is,
M(x+h) = M(x) + M(h)

Ha létezik a x és h valószínűségi változók várható értéke, továbbá létezik a c) alatti várható

érték, akkor ezt a x és h kovarianciájának nevezzük:
 
cov(x ,h )  M x  M  x   h  M  h     M  xh  M  x  M  h
(Létezéséhez elég feltenni, hogy M(x ) és M(h2) létezik.)
2

A definíció alapján: cov(x,h) = cov(h,x)

Ha a x és h valószínűségi változóknak létezik a szórásuk, akkor az

cov(x ,h )
R (x ,h ) 
D x  D h 
számot a x és h korrelációs együtthatójának nevezzük.

Ha x és h korrelációs együtthatója létezik és

R(x,h)= 0,
akkor az mondjuk, hogy a x és h valószínűségi változók korrelálatlanok.

6.8. tétel
Ha x és h szórása létezik, akkor létezik x + h szórása is és
D2  x  h   D2  x   D2  h   2 cov x ,h 

A x és h valószínűségi változókat egymástól függetleneknek nevezzük, ha együttes

eloszlásfüggvényük egyenlő a perem-eloszlásfüggvények szorzatával. Képletben:
F(x,y) = F1(x)F2(y) ((x,y)R2)

6.12 tétel
Ha x és h függetlenek, akkor
M(xh)= M(x)M(h)
(amennyiben ezek a várható értékek léteznek).