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
,
s¹
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
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.
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
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.
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
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
.
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).