Metody prob 3

background image

1

Materiaùy do zastosowañ metod probabilistycznych.

K.Lubnauer

Czêœã 3

Wektor losowy

Teoria

Czasem w doœwiadczeniu losowym nie otrzymujemy jednej zmiennej lecz dwie lub

wiêcej i interesuje nas wspólny rozkùad tak powstaùej pary czy n-tki. Takimi

rozkùadami dla dwóch zmiennych losowych zajmiemy siê w zadaniach. W czêœci

teoretycznej omówimy wektory losowe o dowolnym wymiarze.

Definicja 1

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹. Wektorem losowym (k-

wymiarowym) nazywamy odwzorowanie

k

X

R

:

speùniaj¹ce warunek

mierzalnoœci tzn. dla dowolnego

k

A

R

mamy

 

F

A

X

1

. Poniewa¿ X ma

wartoœci w

k

R

wiêc mo¿emy przedstawiã je w postaci

k

X

X

X

,...,

1

.

Uwaga

X jest wektorem losowym wtedy i tylko wtedy gdy wszystkie

k

i

X

i

,...,

2

,

1

, 

zmiennymi losowymi.

Definicja 2

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech

k

X

X

X

,...,

1

bêdzie k-

wymiarowym wektorem losowym okreœlonym na

P

F ,

,

. Rozkùadem wektora

losowego X (rozkùadem ù¹cznym zmiennych

k

X

X

X

,...,

,

2

1

) nazywamy

prawdopodobieñstwo

 

 

 

A

X

P

A

P

A

P

k

X

X

X

X

1

,...,

,

2

1

dla dowolnego

k

A

R

.

Przykùad 1

Rzucamy 2 razy monet¹ do gry. Niech

X

przyjmuje wartoœã 0 jeœli wypadnie reszka i

1 jeœli wypadnie orzeù w pierwszym rzucie, zaœ

Y

liczba orùów w obu rzutach zaœ.

Rozkùad wektora losowego

Y

X ,

wyra¿a siê macierz¹ P gdzie

j

i

P

,

oznacza

prawdopodobieñstwo przyjêcia przez wektor X wartoœci

j

i

y

x ,

, gdzie

2

,

1

,

0

3

2

1

y

y

y

(liczba orùów w obu rzutach) zaœ

1

,

0

1

j

x

x

(0 jeœli wypadnie

reszka i 1 jeœli wypadnie orzeù w pierwszym rzucie)

4

1

4

1

0

0

4

1

4

1

P

.

Definicja 3

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech

k

X

X

X

,...,

1

bêdzie k-

wymiarowym wektorem losowym okreœlonym na

P

F ,

,

.

id500740 pdfMachine by Broadgun Software - a great PDF writer! - a great PDF creator! - http://www.pdfmachine.com http://www.broadgun.com

background image

2

Dystrybuant¹ rozkùadu wektora losowego X nazywamy funkcjê

 

1

,

0

:

k

F

R

okreœlon¹ wzorem:

 

k

X

k

x

x

x

P

x

x

x

F

,

...

,

,

,...,

,

2

1

2

1

Definicja 4

Gêstoœci¹ wektora losowego

k

X

X

X

,...,

1

o ile istnieje nazywamy tak¹ funkcjê

R

R

k

X

f

:

o wartoœciach nieujemnych, ¿e dla dowolnego

k

A

R

mamy

 

 



A

k

k

X

X

X

X

X

dx

dx

x

x

f

A

P

A

P

k

...

,...,

1

1

,...,

,

2

1

.

Podobnie jak dla przypadku zmiennej losowej dla wektora losowego zachodzi

równowa¿ny do warunku powy¿szego zwi¹zek:

  

1

2

...

,...,

,

...

,...,

2

1

2

1

1

x

x

x

k

k

X

k

X

k

dt

dt

dt

t

t

t

f

x

x

F

.

Dla przypadku dwuwymiarowego

Y

X ,

ma on postaã:

 

x

y

Y

X

Y

X

dsdt

t

s

f

y

x

F

,

,

,

,

.

Uwaga

Oczywiœcie



k

R

k

k

X

dx

dx

x

x

f

1

...

,...,

1

1

.


Przykùad 2

Niech gêstoœã

Y

X

f

,

wektora losowego

Y

X ,

okreœlona bêdzie wzorem:

0

0

,

0

lub

0

,

0

,

,

y

i

x

e

y

x

y

x

f

y

x

Y

X

.

Policzmy

 



R R

0 0

,

1

,

dxdy

e

dxdy

y

x

f

y

x

Y

X

czyli funkcja gêstoœci dobrze okreœlona.

Policzymy teraz dystrybuantê:




 

0

0

,

1

1

0

0

,

0

0

0

,

0

0

,

0

,

0 0

,

y

x

e

e

y

x

y

x

dsdt

e

y

x

y

x

F

y

x

y x

t

s

Y

X

.

Definicja 5

Dla zmiennej losowej k-wymiarowej

k

X

X

X

,...,

1

rozkùady zmiennych losowych

i

X

i=1,2,...,k,

nazywamy rozkùadami brzegowymi.

Uwagi

Niech

 

R

A

dowolny zbiór wtedy mo¿emy otrzymaã rozkùad brzegowy zmiennej

i

X

wzorem

 

R

R

R

R

...

...

,...,

,

2

1

A

P

A

P

k

i

X

X

X

X

, gdzie A jest na i-tym miejscu.

background image

3

Podobnie dystrybuanta rozkùadu brzegowego dana jest wzorem

 

k

i

X

x

x

x

x

i

X

i

X

x

x

x

F

x

F

x

F

k

i

i

i

,...,

,...,

lim

,...,

,

,

,...,

1

,...,

,

,...,

1

1

1

.

Dla przypadku dwuwymiarowego

Y

X ,

wzór ten wygl¹da du¿o

przyjemniej:

 

y

x

F

x

F

x

F

Y

X

y

Y

X

X

,

lim

,

,

,

,

 

y

x

F

y

F

y

F

Y

X

x

Y

X

Y

,

lim

,

,

,

.

Natomiast jeœli

k

X

X

f

,...,

1

gêstoœã rozkùadu ù¹cznego to zmienne brzegowe te¿ maj¹

rozkùady ci¹gùe, których gêstoœã wyra¿a siê wzorem:

 

  

R R

R

k

i

i

k

X

X

i

X

dx

dx

dx

dx

x

x

f

x

f

k

i

...

....

,...,

...

1

1

1

1

,...,

1

.

Znowu dla przypadku dwuwymiarowego

Y

X ,

(który nas interesuje ze wzglêdu na

zadania) mamy wersjê przyjemniejsz¹

 

R

dy

y

x

f

x

f

Y

X

X

,

,

oraz

 

R

dx

y

x

f

y

f

Y

X

Y

,

,

.

Przykùad 3

Rozwa¿my wektor losowy z przykùadu 2. Nietrudno policzyã z powy¿szych wzorów, ¿e:

 

0

,

0

,

0

x

e

x

x

f

x

X

,

 

0

,

0

,

0

y

e

y

y

f

y

Y

, oraz

 

0

,

1

0

,

0

x

e

x

x

F

x

X

,

 

0

,

1

0

,

0

y

e

y

y

F

y

Y

.

Gdy rozpatrujemy kilka zmiennych losowych to interesuje nas równie¿ to na ile s¹ ze

sob¹ powi¹zane, dlatego wa¿nym pojêciem jest pojêcie niezale¿noœci zmiennych

losowych. Zajmiemy siê tym problemem gùownie dla przypadku dwóch zmiennych.

Definicja 6

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech X,Y zmienne losowe

okreœlone na

P

F ,

,

, wtedy oczywiœcie

Y

X ,

wektor losowy. Zmienne losowe X,Y

nazywamy niezale¿nymi jeœli dla dowolnych zbiorów

 

R

B

A,

mamy

 

 

 

 

B

Y

P

A

X

P

B

Y

A

X

P

:

:

:

.

Warunek dla zmiennej losowej k-wymiarowej

k

X

X

X

,...,

1

wygl¹da nastêpuj¹co:

k

X

X ,...,

1

s¹ niezale¿ne je¿eli dla dowolnych

k

i

i

i

r

....

1

2

1

i dla dowolnych

background image

4

 

R

r

B

B

B

,...,

,

2

1

mamy

 

 

 

 

 

 

r

i

i

i

r

i

i

i

B

X

P

B

X

P

B

X

P

B

X

B

X

B

X

P

r

r

:

...

:

:

...

:

2

1

2

1

2

1

2

1

.

Twierdzenie 2 (Warunki równowa¿ne niezale¿noœci zmiennych)

Zmienne X,Y s¹ niezale¿ne jeœli zachodzi dla nich jeden z poni¿szych warunków:

(i)

je¿eli zmienne X,Y s¹ dyskretne oraz

,...

,

2

1

x

x

to wartoœci zmiennej X oraz

,...

,

2

1

y

y

to wartoœci zmiennej Y to dla dowolnych

N

j

i,

j

 

 

 

 

j

i

j

i

y

Y

P

x

X

P

y

Y

x

X

P

:

:

:

.

(ii)

je¿eli zmienne s¹ ci¹gùe i maj¹ gêstoœã rozkùadu ù¹cznego

Y

X

f

,

oraz

gêstoœci rozkùadów brzegowych

Y

X

f

f ,

to

 

 

y

f

x

f

y

x

f

Y

X

Y

X

,

,

dla

prawie wszystkich

R

y

x,

.

(iii)

dla dowolnych rozkùadów o dystrybuancie ù¹cznej

Y

X

F

,

i dystrybuantach

rozkùadów brzegowych

Y

X

F

F ,

mamy

 

 

y

F

x

F

y

x

F

Y

X

Y

X

,

,

dla

wszystkich

R

y

x,

.

Dowód pomijam (wymaga pewnej wiedzy z teorii miary), osoby zainteresowane mog¹

znaleêã go nawet dla przypadku k-wymiarowego w pozycji „Wstêp do teorii

prawdopodobieñstwa” J.Jakubowski, R.Sztencel.

Przykùad 4

Powróãmy jeszcze raz do przykùadów 2,3. Na podstawie twierdzenia 2 (ii) lub (iii)

widzimy, ¿e zmienne X,Y s¹ niezale¿ne.

Definicja 7

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech X,Y caùkowalne zmienne

losowe (

Y

E

X

E

,

) okreœlone na

P

F ,

,

oraz takie, ¿e

XY

E

.

Kowariancj¹ zmiennych X,Y nazywamy wielkoœã

 

 

   

Y

E

X

E

XY

E

Y

E

Y

X

E

X

E

Y

X

,

cov

.

Uwaga techniczna:

Jeœli wektor

Y

X ,

ma rozkùad dyskretny z wartoœciami

j

i

y

x ,

,

N

N

J

j

I

i

,

to

 

I

i

J

j

j

i

j

i

y

Y

x

X

P

y

x

XY

E

,

a dla przypadku ci¹gùego z gêstoœci¹

Y

X

f

,

wzorem

 

R R

dxdy

y

x

xyf

Y

X

E

Y

X

,

,

,

.

Pozostaùe przypadki nas nie interesuj¹.

Uwaga

Z nierównoœci Schwarza dla caùek mamy

 

 

Y

D

X

D

Y

X

2

2

,

cov

. Równoœã

wystêpuje wtedy i tylko wtedy gdy miêdzy X i Y istnieje zale¿noœã liniowa tzn. gdy

istniej¹ takie staùe

R

b

a,

, ¿e

b

aX

Y

z prawdopodobieñstwem 1.

background image

5

Definicja 8

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech X,Y caùkowalne zmienne

losowe okreœlone na

P

F ,

,

, takie ¿e

Y

D

X

D

2

2

,

. Wspóùczynnikiem

korelacji zmiennych X,Y nazywamy wielkoϋ

 

 

Y

D

X

D

Y

X

Y

X

2

2

,

cov

,

.

Wùasnoœã

(i)

1

.

(ii)

1

wtedy i tylko wtedy gdy istniej¹ takie staùe

R

b

a,

, ¿e

b

aX

Y

z

prawdopodobieñstwem 1.

Dowód

Wùasnoœã wynika z powy¿szej definicji i uwagi poprzedzaj¹cej j¹.

Definicja 9

Zmienne losowe nazywamy nieskorelowanymi jeœli

0

,

Y

X

, czyli jeœli

   

Y

E

X

E

XY

E

.

Twierdzenie 3

Zmienne losowe niezale¿ne s¹ nieskorelowane.

Dowód

Wyka¿emy powy¿sze tylko dla przypadku dyskretnego i ci¹gùego.

Zaùó¿my, ¿e

Y

X ,

wektor losowy dyskretny, oraz X,Y niezale¿ne:

   

Y

E

X

E

y

Y

P

y

x

X

P

x

y

Y

P

x

X

P

y

x

y

Y

x

X

P

y

x

XY

E

j

I

i

J

j

j

i

i

j

I

i

J

j

i

j

i

I

i

J

j

j

i

j

i

 

 

,

Zaùó¿my teraz, ¿e

Y

X ,

wektor losowy o rozkùadzie ci¹gùym, oraz X,Y niezale¿ne:

 

 

 

 

   

Y

E

X

E

dxdy

y

yf

dx

x

xf

dxdy

y

f

x

xyf

dxdy

y

x

xyf

Y

X

E

Y

X

Y

X

Y

X

 

 

R

R

R R

R R

,

,

,

.

Uwaga

Twierdzenie powy¿sze nie jest prawdziwe w drug¹ stronê.

Definicja 10

Niech

P

F ,

,

bêdzie przestrzeni¹ probabilistyczn¹ i niech

j

i

X

X ,

caùkowalne

zmienne losowe okreœlone na

P

F ,

,

, takie ¿e

j

i

X

D

X

D

2

2

,

. Macierz¹

background image

6

kowariancji wektora losowego

j

i

X

X ,

, nazywamy macierz

 

j

i

c

C

,

,

2

,

1

,

2

,

1

j

i

oraz

j

i

j

i

X

X

c

,

cov

,

.

Jeœli zmienne oznaczymy X,Y macierz ta wygl¹da nastêpuj¹co:

 



Y

D

Y

X

Y

X

X

D

2

2

,

cov

,

cov

.

background image

7

Zadania

Rozkùady dwuwymiarowe, niezale¿noœã zmiennych

1. Rzucamy 2 razy kostk¹ do gry. Niech X liczba oczek w pierwszym rzucie, a Y suma

liczby oczek w obu rzutach. Zbadaj rozkùad wektora (X,Y). Znajdê rozkùady brzegowe.

Zbadaj niezale¿noœã zmiennych X i Y. Policz macierz kowariancji i wspóùczynnik

korelacji.

2. Rzucamy 2 razy kostk¹ do gry. Niech X minimum wyników z obu rzutów, a Y

maksimum wyników z obu rzutów. Zbadaj rozkùad wektora (X,Y). Znajdê rozkùady

brzegowe. Zbadaj niezale¿noœã zmiennych X i Y. Policz macierz kowariancji i

wspóùczynnik korelacji.

3. Dobierz staù¹ c tak aby funkcja:

 

y

x

pozostaych

dla

y

i

x

dla

y

y

x

c

y

x

f

Y

X

,

0

2

,

0

1

,

0

,

,

2

,

byùa gêstoœci¹ dwuwymiarow¹ wektora (X,Y). Znajdê rozkùady brzegowe. Zbadaj

niezale¿noœã zmiennych X i Y. Znajdê dystrybuantê dwuwymiarow¹. Policz macierz

kowariancji i wspóùczynnik korelacji.

4. Dobierz staù¹ c tak aby funkcja:

y

x

pozostaych

dla

y

i

x

dla

ce

y

x

f

y

x

Y

X

,

0

0

0

,

,

,

byùa

gêstoœci¹ dwuwymiarow¹ wektora (X,Y). Znajdê rozkùady brzegowe. Zbadaj

niezale¿noœã zmiennych X i Y. Znajdê dystrybuantê dwuwymiarow¹. Policz macierz

kowariancji i wspóùczynnik korelacji.

5. Dobierz staù¹ c tak aby funkcja:

 


y

x

pozostaych

dla

y

i

y

x

dla

cy

y

x

f

Y

X

,

0

1

,

0

1

0

,

,

,

byùa

gêstoœci¹ dwuwymiarow¹ wektora (X,Y). Znajdê rozkùady brzegowe. Zbadaj

niezale¿noœã zmiennych X i Y. Znajdê dystrybuantê dwuwymiarow¹. Policz macierz

kowariancji i wspóùczynnik korelacji.

6. Niech funkcja:


y

x

pozostaych

dla

D

y

x

dla

y

x

f

Y

X

,

0

,

,

2

1

,

,

gdzie

1

1

:

,

2

x

y

i

x

y

y

x

D

R

, gêstoœã dwuwymiarowego wektora (X,Y). Zbadaj

niezale¿noœã zmiennych X i Y. Policz, ¿e E(XY)=E(X)∙E(Y).



Wyszukiwarka

Podobne podstrony:
Metody prob
Metody prob 1
Metody prob 2
Terrorysta, sciaga2, Wskazania metodyczne do stosowania testów i prób testowych w rekreacji fizyczne
Terrorysta, sciaga2, Wskazania metodyczne do stosowania testów i prób testowych w rekreacji fizyczne
metody wydzielania prób
02. Pobieranie prób i kalibracja sprzętu analitycznego, Technologia Chemiczna, Rok III, Semestr II,
T 3[1] METODY DIAGNOZOWANIA I ROZWIAZYWANIA PROBLEMOW
10 Metody otrzymywania zwierzat transgenicznychid 10950 ppt
metodyka 3
organizacja i metodyka pracy sluzby bhp
metodyka, metody proaktywne metodyka wf
epidemiologia metody,A Kusińska,K Mitręga,M Pałka,K Orszulik 3B
GMO metody wykrywania 2

więcej podobnych podstron