Лекція 7.

Закон Розподілу
двовимірних випадкової
величини.Теми 7,8
План
1.Двовимірна випадкова величина
2.Функція розподіла.
3.Властивості функції розподілу.
4. Система двох дискретных випадкових величин.
5. Условные законы распределения составляющих
непрерывной двумерной случайной величины.
6.Числові характеристики системи двох випадкових
величин.
7. Умовні числові характеристики системи випадкових
величин (Х, У)
 1.Двовимірна випадкова величина
• Двовимірною називають випадкову величину (X, Y),
можливі значення якої є пари чисел (x, y). Складові X і
Y, що розглядаються одночасно, утворюють систему
двох випадкових величин
• . Двовимірну випадкову величину геометрично можна
витлумачити як випадкову точку M (X, Y) на площині xOy або як
випадковий вектор ОМ.
Дискретної називають двовимірну випадкову величину, складові
якої дискретні. Безперервної називають двовимірну випадкову
величину, складові якої безперервні.
Закон розподілу дискретної двовимірної випадкової величини
може бути заданий:
а) у вигляді таблиці з подвійним входом, що містить можливі
значення і їх ймовірності .;
б) аналітично, наприклад, у вигляді функції розподілу.
 2.Функція розподілу
• Функцією розподілу ймовірностей двовимірної випадкової
величини називають функцію F (x, y), що визначає для кожної
пари чисел (x, y) ймовірність того, що Х прийме значення, менше
х, і при цьому Y прийме значення менше y:

F ( x, y )  P ( X  x, Y  y )
• Геометрично це рівність означає, що F (x, y) є ймовірність того,
що випадкова точка M (X, Y) потрапить в нескінченний квадрат
з вершиною (x, y), розташований лівіше і нижче
цієї вершини.
 3.Властивості функції розподілу.
• Властивість1.Значення функції розподілу задовольняє
подвійному нерівності 0  F ( x, y )  1
• Властивість 2. Функція розподілу є неубутна функція по
кожному аргументу:
• F(x2,y)≥F(x1,y) ,если х2>x1, F(x,y2)≥F(x,y1) ,если y2>y1,
• Властивість 3.Мають місце граничні співвідношення: :
• F(-∞,-∞)=0,
• F(-∞,y)=0,
• F(x,-∞)=0,
• F(+∞,+∞)=1
Властивість 4.а) при у = ∞ функція розподілу системи стає
функцією розподілу складової х
• а) F(x,∞)=F1(x) ;
• б) при х=∞ F(∞,y)= F2(у).
Використовуючи функцію розподілу, можна знайти
ймовірність попадання випадкової точки в прямокутник
x1  X  x 2 , y1  Y  y 2

P( x1  X  x 2 , y1  Y  y 2 )  [ F ( x 2, y 2 )  F ( x1 , y 2 )]  [ F ( x 2 , y1 )  F ( x1 , y1 )]
 Щільність спільного розподілу
ймовірностей
• Щільність спільного розподілу ймовірностей (двовимірної
щільністю ймовірності) непрерывной двумерной случайной
величины називають другу змішану похідну від функції
розподілу:
 2 F ( x, y )
f ( x, y ) 
xy

Знаючи щільність розподілу, можна знайти функцію розподілу

системи за формулою
y x

F ( x, y )    f ( x, y)dxdy
  
 3. Властивості Двовимірної щільності
імовірності
• Двовимірна щільність імовірності має
такі властивості:
• Властивість 1. Двовимірна щільність розподілу невід’ємна::
f ( x, y )  0
Властивість 2. Подвійний невласний інтеграл з нескінченними межами
від двовимірної щільності ймовірності дорівнює одиниці.

 


 
f ( x, y )dxdy  1
 Задача20

• Чому дорівнює можливість попадання двовимірної с.в. в

область, обмежену прямими : х1=1,х2=3, у1=3, у2=4, если
відома функція розподілу двовимірної в.в.:
F ([ x, y )  1  2 x  2 y  2 x  y
Р(1<X<3;3<Y<4)=
P ( x1  X  x 2 , y1  Y  y 2 )  [ F ( x 2, y 2 )  F ( x1 , y 2 )]  [ F ( x 2 , y1 )  F ( x1 , y1 )]

P (1  X  3,3  Y  4)  [ F (3 4)  F (1,4)]  [ F (3,3)  F (1,3)]

Р(1<X<3;3<Y<4)=

[(1  2 3  2 4  2 3 4 )  (1  2 1  2 4  2 1 4 )]  [1  2 3  2 3  2 33  (1  2 1  2 3 2 3  2 13 )]

 4.Система двох дискретних
випадкових величин. Матриця
розподілу .
• Задача 21. Заданийрозподіл ймовірностей дискретної
двовимірної випадкової величини.
• Закон розподілу двомірної випадкової величини Таблиця №1

Y X

X1=3 X2=10 X3=12

Y1=4 0.17 0.13 0.25

Y2=5 0.10 0.30 0.05

Задача 21.Безумовний закон розподілу
Х.
• Знайти закони розподілення складових.
• Для того, щоб знайти ймовірність того, що окрема
випадкова величина, що входить в систему, прийме певне
значення, треба підсумувати ймовірності, що стоять у
відповідній цьому значенню рядку (стовпці) матриці розподілу.
• Склавши ймовірності за стовпцями, отримаємо ймовірності
можливих значень Х: Р(Х1=3)=0,17+0,10=0,27,
Р(Х2=10)=0,13+0,30=0,43; Р(Х3=12)=0,25+0,05=0,30
Безумовний закон розподілення Х . Таблиця 1.7
Х1=3 Х2=10 Х3=12
Х
Р 0,27 0,43 0,30

Контроль:0,27+0,43+0,30=1
Задача 21.Безумовний закон розподілу
Y.

Склавши ймовірності рядків, знайдемо розподіл складової У.

Таблиця 3 – закон розподілу У

У Р

Y1=4 0,55 =0,17+0,13+0,25

Y2=5 0,45 =0,10+0,30+0,05

Контроль:0,55+0,45=1
 Необхідна та достатня умова
незалежності двох вип.величин.
• Кожен елемент матриці розподілу
двох незалежних вип. вел. дорівнює
добутку відповідних їм (і-го і j- го
елементів рядів розподілу вип. вел.
Х і У.- Рij  р ( xi ) * p ( y j )
- Це необхідна і достатня умова незалежності двох вип.величин.
Для залежних вип. величин потрібно знати
умовний закон їх розподілу.
.
 5.Умовний закон розподілу
• Умовний закон розподілу однієї з величин (Х, У), що входять в
систему, називається її закон розподілу, обчислений за умови, що
інша вип. величина прийняла певні значення
• Щоб отримати умовну щільність розподілу однієї з вип. вел., що входять
в систему, треба розділити спільну щільність на щільність розподілу
іншої величини.
• Умовним розподілом складової Х при У = уі (j зберігає одне і те ж
значення при всіх можливих значеннях Х) називають сукупність умовних
ймовірностей:

Р ( x1 y j ), P ( x 2 y j ,....P ( x n y j )

Умовні ймовірності складових Х і У обчислюються відповідно за формулами

P ( xi , y j ) P ( xi , y j )
P ( xi y j )  P ( y j xi ) 
p( y j ) p ( xi )
 Задача 21.
Умовний закон розподілу вип.вел. Х
• Далі наведен Умовний закон розподілу вип.вел. Х в таблиці 1.9

Умовний закон розподілу вип.вел. Х. Таблиця 1.9

Р(х1/уj) Р(х2/уj) Р(х3/уj) сумма

Условны
е
вероятно
сти
Р(у1)=0,55 0,309 0,236 0,4545 1
Р(у )=0,45 0,222 0,667 0,111 1
P ( x1 y1 )  0.172 / 0.55  0.309 P ( x3 y1  0.25 / 0.55  0.4545
P( x 2 y1  0.13 / 0.55  0,236
Контроль:0,222+0,666+0,111=1
 Задача 21.Розглянемо Умовний закон
розподілу вип.вел. У
Умовні ймовірності випадкової величини Y P(Yj/Xi)= P(Xi;Yj) / P(Xi)
• Р(Х1)=0,27 Р(Х2)=0,43 Р(Х3)=0,30
• P(y1/x1)= 0,17 / 0,27=0,63 P(y1/x2)= 0,13/ 0,43=0,30 P(y1/x3)= 0,25 /
0,30=0,83
• P(y2/x1)0,10 / 0,27=0,37 P(y2/x2)= 0,30 / 0,43=0,70 P(y2/x3)=
• =0,05 / 0,30=0,17
• 0,63+0,37=1 0,3+0,7=1 0,83+0,7=1

Умовний закон розподілу вип.вел. У. Таблиця 1.10

Умовні Р(Х1)=0,27 Р(Х2)=0,43 Р(Х3)=0,30
ймовірності
P(y1/xі) 0,17/0,27=0,63 0,13/0,43=0,30 0,25/0,30=0,83
P(y2/xі) 0,10/0,27=0,37 0,30/0,43=0,70 0,05/0,30=0,17
сумма 1 1 1
 5.Умовні закони розподілу системи
випадкових величин (Х, У)
• Щільність розподілу однієї зі складових дорівнює
невласному інтегралу з нескінченними межами від щільності
спільного розподілу системи, причому змінна інтегрування
відповідає іншій складовій.
 

f1 ( x)   f ( x, y)dy f 2 ( y)   f ( x, y)dx



Умовною щільністю розподілу складової Х при заданому значенні У=у

називають відношення щільності спільного розподілу до щільності розподілу
складової У. f ( x, y )
 ( x y) 
f 2 ( y)
Умовною щільністю розподілу складової Y при заданому значенні X=x
називають відношення щільності спільного розподілу до щільності
розподілу складової Х.
f ( x, y )
 ( y x) 
f1 ( x)
 6.Числові характеристики системи
двох випадкових величин.
• Знаючи щільності розподілу складових Х і У безперервної двовимірної
випадкової величини (Х,У) можна знайти їхнє математичне очікування
та дисперсію
• Математичее очікування


M (X )   x  f ( x)dx

1 M (Y )   y f 2 ( y )dy


Дисперсія.

D( X )   [ x  M ( X )]2  f1 ( x)dx


D(Y )   [ y  M (Y )] 2  f 2 ( y )dy

 7.Умовні числові характеристики
системи випадкових величин (Х, У)
• Умовні числові характеристики системи випадкових
величин (Х, У).
• Умовним математичним очікуванням однієї з в.в., що
входять в систему (Х, У), називається її математичне
сподівання, обчислене за умови, що інша В.В.
прийняла певне значення, тобто знайдене на основі
умовного закону розподілу. Для двох дискретних В.В.
(Х, У) умовні м.о. обчислюються за формулами:
m

• M(Y/xi)= y i  P( y j / xi )
n

x
j 1
• M(X/yj)= i  P ( xi / y j )
i 1
 Регресія У на Х и регресія Х на У

• Умовне математичне очікування в.в.У

при заданому Х = х (M (Y / xi)
називається регресією У на Х;
аналогічно M (X / yj) називається
регресією Х на У. Графіки цих
залежностей називаються лініями
регресії або «кривими регресії».
 Коваріація і коефіцієнт
кореляції.
• У якості числових характеристик системи двох С.В.
(Х, У) зазвичай розглядаються початкові і центральні
моменти різних порядків.
• Початковим моментом порядку k,s системи
двох випадкових величин (Х,У) называється
математичне очікування добутку Xk на Ys:
 ks  M [ X k  Y s ]   x k  y s  pij
i j
Центральним моментом порядку k, s системи двох
В.В. (Х, У) називається математичне очікування
добутку центрованих випадкових величин: (X-mx) на
(Y-my): n m
 ks  M ( X  m x ) k  (Y  m y ) s   ( xi  m x ) k ( y j  m y ) s  pij
i 1 j 1
 ks  M [ X k  Y s ]   x k  y s  pij
i j
Початкові моменти
Порядком початкового (або центрованого) моменту называється
сума його індексів k+s.
Початкові моменти першого порядку являють собою математичні
очікування В.В. Х і У.
Точка (mx, my) на площині хОу є характеристику положення
випадкової величини (Х, У): її розсіювання (розкид) відбувається навколо
точки (mx, my).
Початкові моменти другого порядку:

 2 , 0  M ( X 2Y 0 )  M ( X 2 )  0, 2  M ( X 0Y 2 )  M (Y 2 )
 1,1  M ( XY )
 Центральні моменти
n m
 ks  M ( X  m x )  (Y  m y )   ( xi  m x ) k ( y j  m y ) s  pij
k s

i 1 j 1

Центральні моменти першого порядку дорівнюють нулю.

Центральні моменти другого порядку:
n m
 2,0  M ( X  m x )  (Y  m y )   ( xi  m x ) 2 ( y j  m y ) 0  pij  D x
2 0

i 1 j 1

n m
 0, 2  M ( X  m x )  (Y  m y )   ( xi  m x ) 0 ( y j  m y ) 2  pij  D y
0 2

i 1 j 1

n m
1,1  M ( X  m x )  (Y  m y )   ( xi  m x )1 ( y j  m y )1  pij  K x , y
1 1

i 1 j 1
Перші два з них представляють собою дисперсії в.в.Х і У, а
третій називається коваріації (інакше кореляційним моментом)
В.В. (Х, У) і позначається Кх,у. За визначенням коваріації Кх, у =
Ку, х, тобто при зміні індексів місцями коваріація не змінюється.

Для незалежних в.в. коваріація дорівнює нулю.

 Коваріація і коєфіцієнт
кореляції
Коваріація двох В.В. (Х, У) характеризує не тільки ступінь
залежності В.В., але також їх розсіювання навколо точки (mx, my).
Коваріацію Кх, зручно висловлювати через початкові моменти
нижчих порядків: коваріація двох В.В. дорівнює математичному
очікуванню їх добутку мінус добуток математичних очікувань Х і У.

Кх,у=М(Х*У)-М(Х)*М(У)

Розмірність коваріації Кх, у дорівнює добутку розмірностей

В.В. Х і У. Щоб отримати безрозмірну величину, до того ж
характеризує тільки залежність В.В. Х і У, а не розкид, коваріацію
ділять на добуток середніх квадратичних відхилень Х и У:

rx , y  K x , y /  x y
 Властивості коефіцієнті
кореляції
Величина rx,y називається коефіцієнтом
кореляції С.В. Х і У; він характеризує ступінь
залежності цих величин, причому не будь-якої
залежності, а тільки лінійної, що виявляється в
тому, що при зростанні однієї В.В. інша виявляє
тенденцію також зростати (або спадати). У
першому випадку rx,y > 0 і кажуть, що С.В. Х і У
пов'язані позитивною кореляцією,
у другому rx,y <0, і кореляція негативна.
Можна довести, що для будь-яких с.в. Х и У
- 1≤rху≤1
 Приклад
Матриця розподілу системи двох в.в. (Х,У) задана
таблицею. Знайти числові характеристики системи.
х1=0 х2=2 х3=5
у1=1 0,1 0 0,2
у2=2 0 0,3 0
у3=4 0,1 0,3 0

Закон розподіленн У:
Р(у1)=0,1+0+0,2=0,3
Р(у2)=0+0,3+0=0,3
Р(у3)=0,1+0,3+0=0,4
My=0.3*1+0.3*2+0.4*4=2,5
Dy=0.3*12+0.3*22+0.4*42-
2.52=7.9-6.25=1.65
 Характеристики
Закон розподілення Х:
ВВ
P(x1)=0.1+0+0.1=0.2
P(x2)=0+0.3+0.3=0.6
P(x3)=0.2+0+0=0.2
Mx=0.2*0+0.6*2+0.2*5=2.2
Dx=02*0.2+22*0.6+52*0.2-2.22=7.4-4.84=2.56
 у  D y  1.285  x  D x  1.6
Математичене очікування добутку Х та У
М(Х*У)=1*0*0,1+1*2*0+1*5*0,2+2*0*0+2*2*0,3+2*5*0+4*0
*0,1+4*2*0,3+4*5*0=4,6
Коваріацію розрахуємо за формулою
Кх,у=М(Х*У)-М(Х)*М(У)
Кх,у=4,6-2,2*2,5=-0,9
 Коефіцієнт кореляції

rx , y  K x , y /  x y  0.9 /(1.285 * 1.6)  0.438

показує, що між в.в. Х і У існує негативна лінійна
залежність, тобто при збільшенні однієї з них інша має
тенденцію зменшуватися.
Для В.В., які корелюються, характерно, що середнє
значення кожної з них залежить від того, яке значення
прийняла інша.
 Умовні числові характеристики
системи випадкових величин (Х, У)
Умовні числові характеристики системи випадкових величин
(Х, У)
Умовним математичним очікуванням однієї з в.в., що входять в
систему (Х, У), називається її математичне сподівання, обчислене
за умови, що інша В.В. прийняла певне значення, тобто знайдене на
основі умовного закону розподілу. Для двох дискретних В.В. (Х, У)
умовні м.о. обчислюються за формулами: m
M(Y/xi)=  y j  P( y j / xi
n
j 1

M(X/yj)= 
i 1
xi  P ( xi / y j

Умовне математичне очікування в.в.У при заданому Х

= х (M (Y / xi) називається регресією У на Х; аналогічно
M (X / yj) називається регресією Х на У.
Графіки цих залежностей називаються лініями регресії
або «кривими регресії».
 х1=0 х2=2 х3=5 у1=1 у2=2 у3=4

Р(х) 0,2 0,6 0,2 P(y) 0.3 0.3 0.4

Р(yj/xi)
Р(y1/x1)=0.1/0.2=0.5; Р(y2/x1)=0/0.2=0; Р(y3/x1)= 0.1/0.2=0.5

M(Y/x1)=1*0.5+2*0+4*0.5=2.5
Р(y1/x2)=0/0.6=0; Р(y2/x2)=0.3/0.6=0.5; Р(y3/x2)= 0.3/0.6=0.5

M(Y/x2)=1*0+2*0.5+4*0.5=3
Р(y1/x3)=0.2/0.2=1; Р(y2/x3)=0/0.2=0; Р(y3/x3)= 0/0.2=0

M(Y/x2)=1*1+2*0+4*0=1
Кінець лекції