109
13. Parametry rozkładów dwuwymiarowych
z twierdzenia 7.3.4. Zgodnie z tym twierdzeniem normalne są X N(3, \/2) i Y ~ N(0, v3), wystarczy więc obliczyć jeszcze tylko Cov(X, Y). Zgodnie ze
wzorem (7.3.2) musimy obliczyć
E(XY) = E((Z1 + Z2)(2Zl - Z2)) = 2EZi - EZf + EZtZ2 .
Ponieważ dla dowolnej zmiennej losowej Z, mamy EZf = D2Zi + (EZy)2, więc E(X7) = 2(1 + 1)—4+1 = 1, skąd Cov(X,7) = 1. Stąd i ze wzoru (7.3.3) otrzymujemy p = l/\/£. Zauważmy na koniec, że dla obliczenia współczynnika korelacji nie było potrzebne założenie o normalności Z{ i Z2, a tylko założenie o niezależności. Założenie o normalności jest natomiast niezbędne dla normalności wektora (X,7).
Rozkład
normalny
n-wymiarowy
Na koniec podamy gęstość rozkładu normalnego n-wymiarowego o macierzy kowariancji symetrycznej i dodatnio określonej oraz o wektorze wartości oczekiwanych m — (mt,... ,mrt). Wyraża się ona wzorem:
(x-m)R l(x-m)TJ , (7.3.7)
gdzie x — (jcj, ... ,xn).
Niech ((ZpZj),..., (X„,7n)) będzie n-ełementową próbą prostą. Chcemy znaleźć estymator współczynnika korelacji p(X,Y). Statystyka określona wzorem
Estymator
współczynnika
korelacji
(7.3.8)
jest estymatorem zgodnym współczynnika korelacji p.
Jeśli próba jest liczna, to wygodnie jest podzielić dane na klasy w tablicę wie-Iodziełczą, opisaną w punkcie 6.2.2. Wtedy, jeśli wartości cechy X podzielimy na k klas, a wartości cechy Y na / klas, to estymator dany wzorem (7.3.8) przybierze postać:
(7.3.9)
gdzie +, y ■ są środkami odpowiednich klas.