Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Y | X | ||||||
x 1 | x 2 | … | xi | … | xn | pyj | |
y 1 | p 11 | p 21 | … | pi 1 | … | pn 1 | py 1 |
y 2 | p 12 | p 22 | … | pi 2 | … | pn 2 | py 2 |
… | … | … | … | … | … | … | … |
yj | p 1 j | p 2 j | … | pij | … | pnj | pyj |
… | … | … | … | … | … | … | … |
ym | p 1 m | p 2 m | … | pim | … | pnm | pym |
pxi | px 1 | px 2 | … | pxi | … | pxn |
Интегральная функция распределения двумерной случайной величины (X, Y) есть вероятность совместного выполнения неравенств X < x и Y < y, т.е.
F (x, y) = P (X < x, Y < y).
Двумерная случайная величина непрерывного типа может быть задана интегральной или дифференциальной функцией распределения. Если интегральная функция распределения всюду непрерывна и имеет непрерывную смешанную частную производную второго порядка, то дифференциальная функция распределения системы двух случайных величин (X, Y) определяется по формуле
.
Плотность распределения отдельных случайных величин, входящих в систему, выражается через плотность системы случайных величин следующим образом:
.
Условный закон распределения случайной величины, входящей в систему, есть закон ее распределения, полученный в предположении, что другая случайная величина приняла определенное значение. Для системы случайных величин дискретного типа условные законы распределения имеют вид:
.
Условные математические ожидания (условные средние) дискретных случайных величин:
Условные распределения показывают, что одна СВ реагирует на изменение другой изменением своего закона распределения. Такая общая зависимость называется стохастической (вероятностной) и достаточно сложна для изучения. Однако зависимость условного среднего одной СВ от значений другой является функцией, которая называется регрессией: – регрессия Y на X, – регрессия X на Y. Но и функции регрессии в общем случае достаточно сложны, поэтому используют различные их приближения, например линейной функцией (наилучшей в смысле наименьшего значения среднего квадрата отклонения). Это значит, что для регрессии Y на X, функция приближается линейной функцией y = ax + b:
.
Запишем уравнения таких наилучших линейных регрессий.
Для регрессии Y на X это уравнение:
,
а для регрессии X на Y:
,
где , , , .
Коэффициент корреляции
характеризует близость (или тесноту) связи между случайными величинами к линейной.
Отметим, что всегда . Если , то СВ называются некоррелированными и в этом случае их условные средние значения являются постоянными, т.е. не зависят от значений другой СВ, что характеризует их слабую взаимозависимость. Если (угол между прямыми наилучших линейных регрессий близок к прямому), связь между случайными величинами достаточно слабая и нелинейная. Если (угол близок к нулю), то связь сильная и близка к линейной. В случае промежуточного значения rxy (и угла) связь достаточно сильна и существенно нелинейная.
Дата публикования: 2015-01-09; Прочитано: 552 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!