Professional Documents
Culture Documents
Wektory losowe
Rozkład wektora losowego (in. rozkład łączny wektora losowego), podobnie jak roz-
kład zmiennej losowej, może być określony przez jego dystrybuantę.
1
Tablica 1.1: Ilustracja funkcji prawdopodobieństwa dwuwymiarowego wektora losowego
(x, y) 1 2 3 4 5 6
1 1/36 1/36 1/36 1/36 1/36 1/36
2 1/36 1/36 1/36 1/36 1/36 1/36
3 1/36 1/36 1/36 1/36 1/36 1/36
4 1/36 1/36 1/36 1/36 1/36 1/36
5 1/36 1/36 1/36 1/36 1/36 1/36
6 1/36 1/36 1/36 1/36 1/36 1/36
2
Definicja 5 Jeżeli istnieje funkcja f : Rn → [0, 1], taka, że dla każdego x = (x1 , . . . , xn ),
dystrybuantę F wektora losowego X możemy wyrazić następująco
∫ x1 ∫ xn
F (x) = ... f (t1 , . . . , tn )dt1 . . . dtn , (1.2)
−∞ −∞
to mówimy, że wektor losowy X jest typu ciągłego oraz funkcję f nazywamy gęstością
rozkładu tego wektora.
(ii)
∫ ∞ ∫ ∞
... f (x1 , . . . , xn )dx1 . . . xn = 1.
−∞ −∞
Zatem funkcja f spełnia warunek (i) oraz warunek (ii) faktu 1, czyli jest gęstością rozkładu
pewnego dwuwymiarowego wektora losowego (X, Y ).
3
Fakt 2 Niech F będzie dystrybuantą wektora losowego (X, Y ). Oznaczmy
oraz
Fakt 3 Jeżeli wektor losowy (X, Y ) przyjmuje wartości (x, y) z przeliczalnego zbioru
W(X,Y ) = {(x, y) : x ∈ WX = {x1 , x2 , . . .}; y ∈ WY = {y1 , y2 , . . .}}, z prawdopodobień-
stwem p(x, y), czyli jest typu dyskretnego, to rozkłady współrzędnych X, Y tego wektora
są dyskretne i są określone przez funkcje prawdopodobieństwa pX , pY odpowiednio postaci
∑ ∑
∞
pX (xi ) = p(xi , yj ) = pij =: pi+ , (1.5)
yj ∈WY j=1
∑ ∑
∞
pY (yj ) = p(xi , yj ) = pij =: p+j . (1.6)
xi ∈WX i=1
Przykład 4 Jeżeli rozkład łączny wektora losowego (X, Y ) określony jest przez funkcję
prawdopodobieństwa daną w tablicy 1.2, to rozkłady brzegowe tego wektora możemy podać
w dodatkowym (ostatnim) wierszu i dodatkowej (ostatniej) kolumnie jak w tablicy 1.3.
Fakt 4 Jeżeli wektor losowy (X, Y ) jest typu ciągłego i f oznacza gęstość rozkładu wek-
tora (X, Y ), to zmienne losowe X i Y też są typu ciągłego i gęstość fX rozkładu zmiennej
losowej X jest postaci
∫ ∞
fX (x) = f (x, y)dy (1.7)
−∞
4
Tablica 1.3: Funkcja prawdopodobieństwa dwuwymiarowego wektora losowego z przy-
kładu 4 wraz z rozkładami brzegowymi
(x, y) 1 2 3 4 5 6 pX
1 1/36 1/36 1/36 1/36 1/36 1/36 1/6
2 1/36 1/36 1/36 1/36 1/36 1/36 1/6
3 1/36 1/36 1/36 1/36 1/36 1/36 1/6
4 1/36 1/36 1/36 1/36 1/36 1/36 1/6
5 1/36 1/36 1/36 1/36 1/36 1/36 1/6
6 1/36 1/36 1/36 1/36 1/36 1/36 1/6
pY 1/6 1/6 1/6 1/6 1/6 1/6 1
Uwaga 2 Jeżeli zmienne losowe X i Y są typu ciągłego, to nie pociąga za sobą, że wektor
losowy (X, Y ) jest typu ciągłego.
Fakt 5 Jeżeli wektor losowy (X, Y ) jest typu ciągłego i f oznacza gęstość rozkładu wek-
tora (X, Y ), to dystrybuanta FX zmiennej losowej X jest postaci
∫ x ∫ ∞ ∫ x
FX (x) = F (x, ∞) = f (u, y)dydu = fX (u)du
−∞ −∞ −∞
5
1.3 Rozkłady warunkowe
Pojęcie rozkładu warunkowego, podobnie jak pojęcie rozkładu brzegowego, wprowadzimy
na przykładzie dwuwymiarowego wektora losowego. Niech (X, Y ) będzie dwuwymiaro-
wym wektorem losowym. Np. niech X = 1, jeżeli losowo wybrana osoba posiada sa-
mochód i X = 0, jeżeli nie posiada samochodu oraz Y = 1, jeżeli jest kobietą i Y = 0,
jeżeli jest mężczyzną. Może interesować nas prawdopodobieństwo, że osoba posiada samo-
chód, jeżeli wiemy, że jest kobietą. Symbolicznie możemy to prawdopodobieństwo zapisać
w postaci
P (X = 1|Y = 1).
Zauważmy, że jeżeli wiemy, że losowo wybrana osoba jest kobietą, to może ona posiadać
samochód lub nie, zatem
P (X = 1|Y = 1) + P (X = 0|Y = 1) = 1.
Definicja 7 Niech dwuwymiarowy wektor losowy (X, Y ) będzie typu dyskretnego o rozkła-
dzie określonym przez funkcję prawdopodobieństwa p. Wówczas rozkład warunkowy zmien-
nej losowej X pod warunkiem, że zmienna losowa Y przyjęła wartość y, określony jest
przez następującą funkcję prawdopodobieństwa warunkowego
p(x, y)
pX|Y =y (x) = , (1.9)
pY (y)
p(x, y)
pY |X=x (y) = , (1.10)
pX (x)
6
Tablica 1.4: Funkcja prawdopodobieństwa dwuwymiarowego wektora losowego z przy-
kładu 6
(x, y) 1 2 3
1 0, 1 0 0, 1
2 0 0, 6 0
3 0, 1 0 0, 1
Przykład 6 Niech rozkład wektora losowego (X, Y ) będzie dany w tablicy 1.4. Wów-
czas, korzystając ze wzoru (1.9), rozkład warunkowy zmiennej losowej X, pod warunkiem,
że Y = 1, określony jest przez następującą funkcję prawdopodobieństwa warunkowego:
pX|Y =1 (1) = 0.5, pX|Y =1 (2) = 0, pX|Y =1 (3) = 0.5.
W przypadku, gdy wektor losowy (X, Y ) jest typu ciągłego, pojęcie rozkładu warun-
kowego nie jest już takie intuicyjne jak w powyższym przypadku wektora losowego typu
dyskretnego. Rozkłady warunkowe są wówczas określone przez tzw. gęstości warunkowe,
które definiujemy następująco.
Definicja 8 Niech dwuwymiarowy wektor losowy (X, Y ) będzie typu ciągłego o gęstości f.
Wówczas warunkowa gęstość zmiennej losowej X, pod warunkiem, że Y = y jest postaci
f (x, y)
fX|Y =y (x) = , (1.11)
fY (y)
gdzie fY oznacza gęstość zmiennej losowej Y. Analogicznie, warunkowa gęstość zmiennej
losowej Y, pod warunkiem, że X = x jest postaci
f (x, y)
fY |X=x (y) = , (1.12)
fX (x)
gdzie fX oznacza gęstość zmiennej losowej X.
Przykład 7 Niech rozkład wektora losowego (X, Y ) będzie określony przez następującą
gęstość
1
f (x, y) = exp[−(x2 − 2xy + 2y 2 )]
π
dla każdego x, y ∈ R. Korzystając ze wzoru (1.8), gęstość fY zmiennej losowej Y jest
postaci
exp(−y 2 )
fY (y) = √ ,
π
7
a następnie, korzystając ze wzoru (1.11), rozkład warunkowy zmiennej losowej X, pod
warunkiem, że Y = y, określony jest przez następującą gęstość warunkową
exp[−(x − y)2 ]
fX|Y =y = √ ,
π
z czego wynika, że rozkład warunkowy zmiennej X, pod warunkiem, że Y = y jest rozkła-
dem normalnym N (y, 1/2). Na przykład, gdy y = 0 mamy
exp(−x2 )
fX|Y =0 = √ ,
π
i rozkład warunkowy zmiennej X, pod warunkiem, że Y = 0 jest rozkładem normalnym
N (0, 1/2).
Definicja 9 Niech dwuwymiarowy wektor losowy (X, Y ) będzie typu dyskretnego o rozkła-
dzie określonym przez funkcję prawdopodobieństwa p. Warunkową wartością oczekiwaną
zmiennej losowej X, pod warunkiem, że Y = y nazywamy wartość
∑
E(X|Y = y) = xi pX|Y =y (xi ), (1.13)
Definicja 10 Niech dwuwymiarowy wektor losowy (X, Y ) będzie typu ciągłego o gęsto-
ści f. Warunkową wartością oczekiwaną zmiennej losowej X, pod warunkiem, że Y = y
nazywamy wartość
∫ ∞
E(X|Y = y) = xfX|Y =y (x)dx. (1.15)
−∞
8
Przykład 9 W przypadku wektora losowego (X, Y ) z przykładu 7, warunkowa wartość
oczekiwana E(X|Y = 0) zmiennej losowej X, pod warunkiem, że Y = 0 wynosi
∫ ∞
exp(−x2 )
E(X|Y = 1) = x √ dx = 0.
−∞ π
9
Tablica 1.5: Funkcja prawdopodobieństwa dwuwymiarowego wektora losowego z przy-
kładu 10
(x, y) 1 2 3
1 0, 1 0, 1 0, 1
2 0 0, 4 0
3 0, 1 0, 1 0, 1
Fakt 8 Niech fX będzie gęstością rozkładu wektora losowego X = (X1 , . . . , Xn ) oraz fXi
oznacza gęstość rozkładu zmiennej losowej Xi , i = 1, . . . , n. Wówczas zmienne losowe
X1 , . . . , Xn są niezależne wtedy i tylko wtedy, gdy
∏
n
fX (x) = fXi (xi ),
i=1
Definicja 12 Próbą losową lub krótko próbą, nazywamy wektor losowy X = (X1 , . . . , Xn ),
którego współrzędne są niezależnymi zmiennymi losowymi o tym samym rozkładzie. Je-
żeli p jest funkcją prawdopodobieństwa lub f jest gęstością rozkładu zmiennych losowych
X1 , . . . , Xn , to mówimy, że X jest próbą z rozkładu odpowiednio p lub f.
10
Przykład 13 Niech X = (X1 , . . . , Xn ) będzie próbą z rozkładu wykładniczego E(λ), λ > 0,
czyli zmienne losowe X1 , . . . , Xn są niezależne i rozkład zmiennej Xi , i = 1, . . . , n, ma
gęstość postaci
{ ( )
1
λ
exp − λx , gdy x > 0,
f (x) =
0, gdy x ≤ 0.
11
Uwaga 3 Implikacja odwrotna w fakcie 9 nie jest prawdziwa, tzn. z faktu, że Cov(X, Y ) =
0 nie wynika, że zmienne losowe X i Y są niezależne.
P (X = 1, Y = 1) = 0, 1 ̸= P (X = 1)P (Y = 1) = 0.04.
Cov(X, Y )
ρ(X, Y ) = √ . (1.22)
Var(X)Var(Y )
12