Моменты служат для описания основных свойств плотности вероятности случайной величины. Они содержат меньше информации о случайной величине по сравнению с плотностью вероятности, но часто более удобны при решении технических задач. В качестве моментов скалярной случайной величины чаще всего применяются математическое ожидание и дисперсия (или среднеквадратическое отклонение).
Математическим ожиданием некоторой функции y = f(x) случайной величины х называется интеграл
При f(x) = xR величина M[xR]=mxR называется начальным моментом R-го порядка случайной величины х. Начальный омент первого порядка тх называется математическим ожиданием случайной величины х:
По реализациям математическое ожидание тх может быть оценено как статистическое среднее
причем .
Разность менаду случайной величиной х и ее математическим ожиданием тх называется центрированной случайной величиной. Центральный момент R-го порядка скалярной случайной величины х определяется как математическое ожидание R-й степени соответствующей центрированной случайной величины:
|
|
Центральный момент второго порядка называется дисперсией случайной величины х:
По реализациям оценку можно рассчитать по формуле
причем .
Дисперсия характеризует рассеивание значений случайной величины х в окрестности ее математического ожидания тх. Наряду с дисперсией Dx в качестве меры рассеивания рассматривают и среднеквадратическое отклонение .
Центральные моменты высших порядков определяют аналогично. Например, центральный момент третьего порядка
Он характеризует асимметрию кривой плотности вероятности р(х). Если р(x) —симметричная функция с осью симметрии, проходящей через тх, то , а также все другие нечетные центральные моменты случайной величины х равны нулю.
В качестве характеристик вероятностной зависимости двух скалярных случайных величин х и у рассматривают их корреляционный момент
или коэффициент корреляции
вычисляемый при и .
По реализациям хi, уi, i= 1, п, случайных величин x и y их корреляционный момент можно оценить с помощью соотношения
Если случайные величины х и у связаны между собой линейной зависимостью у = ах + b, где а и b — произвольные неслучайные числа, то , а rxy=1 при а>1 и rxy = -1 при а<0.
Случайные величины х и у называют некоррелированными, если . Используя формулы (1.15), (1.10), нетрудно показать, что из независимости случайных величин следует их некоррелированность. Обратное утверждение в общем случае неверно. Иначе говоря, условие независимости случайных величин более сильное, чем условие некоррелированности.
|
|
Для векторной случайной величины х простейшими моментными характеристиками, наиболее часто рассматриваемыми при практических расчетах, являются вектор математических ожиданий тх и корреляционная матрица Кх- Составляющими вектора тх являются математические ожидания компонент вектора х, т. е. .
Корреляционной матрицей Кх случайного вектора х называется симметричная матрица, составленная из корреляционных моментов , и дисперсий составляющих вектора х:
причем .
Если все составляющие случайного вектора х взаимно некоррелированные, то этот вектор называют некоррелированным. Корреляционная матрица Кх некоррелированного вектора — диагональная, все ее внедиагональные элементы равны нулю.