Определение. Начальным моментом порядка системы двух случайных величин называется действительное число , определяемое по формуле:
,
если – система двух дискретных случайных величин;
,
если – система двух непрерывных случайных величин.
Определение. Центральным моментом порядка системы двух случайных величин называется действительное число , определяемое по формуле:
,
если – система двух дискретных случайных величин;
,
если – система двух непрерывных случайных величин.
На практике чаще всего встречаются моменты первого и второго порядков. Очевидно, что начальные моменты первого порядка есть не что иное, как математические ожидания компонент X и Y:
, .
Точка с координатами на плоскости xOy представляет собой характеристику положения случайной точки , а ее рассеивание (разброс) происходит вокруг .
Центральные моменты первого порядка, очевидно, равны нулю, т.е.
.
Имеются три начальных момента второго порядка – , и . Причем первые два из них есть не что иное, как начальные моменты второго порядка компонент X и Y:
, .
Имеются три центральных момента второго порядка , и . Первые два из них представляют собой дисперсии компонент X и Y соответственно:
, .
Рассмотрим отдельно.
Определение. Центральный момент второго порядка называется ковариацией случайной величины .
Для момента используется обозначение .
Замечание. По определению ковариации: .
В механической интерпретации, когда распределение вероятностей на плоскости xOy трактуется как распределение единичной массы на этой плоскости, точка есть не что иное, как центр масс распределения; дисперсии и – моменты инерции распределения относительно точки в направлении осей Ox и Oy соответственно, а ковариация – это центробежный момент инерции распределения масс.
Теорема. Если случайные величины X и Y независимы, то .
Замечание. Как правило, удобнее вычислять по формуле
.
Ковариация характеризует не только степень зависимости двух случайных величин , но также их рассеивание вокруг точки . Однако размерность ковариации равна произведению размерностей случайных величин X и Y. Чтобы получить безразмерную величину, характеризующую только зависимость, а не разброс, ковариацию делят на произведение :
.
Определение. Величина называется коэффициентом корреляции случайных величин X и Y.
Коэффициент корреляции характеризует степень зависимости случайных величин X и Y, причем не любой зависимости, а только линейной, проявляющейся в том, что при возрастании одной случайной величины другая проявляет тенденцию также возрастать (или убывать). В первом случае и говорят, что случайные величины X и Y связаны положительной корреляцией, во втором случае и говорят, что случайные величины X и Y связаны отрицательной корреляцией. Модуль коэффициента корреляции случайных величин X и Y характеризует степень тесноты линейной зависимости между ними. Если линейной зависимости нет, то .
Теорема. Если случайные величины X и Y связывает линейная зависимость , то при , при .
Пример 2.2.14. Найти коэффициент корреляции между случайными величинами: 1) X и ; 2) X и .
Решение. Согласно теореме 3.5.2: 1) , т.к. , ; 2) , т.к. , .
Ответ: 1) ; 2) .
Пример 2.2.15. Игральная кость размечена таким образом, что сумма очков на противоположных гранях равна 7 (т.е. 1 и 6, 2 и 5, 3 и 4). Пусть X – число очков на верхней грани, Y – число очков на нижней грани. Построить совместный закон распределения случайных величин X и Y, найти коэффициент корреляции между ними.
Решение. По условию задачи . Поэтому . Следовательно, для построения таблицы распределения случайного вектора остается вычислить вероятности:
,
.
Аналогично можно показать, что
, .
Тогда закон распределения случайного вектора задается следующей таблицей:
Y X | ||||||
Поскольку между случайными величинами X и Y имеется линейная связь , то .
Ответ: .
Теорема. Для любых случайных величин X и Y:
.
Определение. Случайные величины X и Y называются некоррелированными, если (или ), иначе X и Y называются коррелированными.
Замечание. Из независимости случайных величин следует их некоррелированность. Но из некоррелированности () не вытекает их независимость. Действительно, если , то это означает только отсутствие линейной связи между случайными величинами, однако любой другой вид связи может при этом присутствовать.
Пример 2.2.16. Закон распределения случайного вектора задан таблицей:
Y X | |||
0,1 | 0,2 | ||
0,3 | |||
0,1 | 0,3 |
Выяснить, зависимы или нет случайные величины X и Y. Найти: .
Решение. Найдем законы распределения компонент X и Y:
Y X | ||||
0,1 | 0,2 | 0,3 | ||
0,3 | 0,3 | |||
0,1 | 0,3 | 0,4 | ||
0,2 | 0,6 | 0,2 | |
Очевидно, что компоненты X и Y являются зависимыми, т.к.
.
; ;
, ;
, ;
;
.
Так как , то это показывает, что между случайными величинами X и Y существует отрицательная линейная зависимость, т.е. при увеличении одной из них другая имеет тенденцию уменьшаться.
Пример 2.2.17. Закон распределения случайного вектора задан таблицей:
Y X | ||
–1 | 0,15 | 0,05 |
0,3 | 0,05 | |
0,35 | 0,1 |
Выяснить, являются ли случайные величины X и Y: 1) зависимыми; 2) коррелированными.
Решение. Найдем законы распределения компонент X и Y:
Y X | |||
–1 | 0,15 | 0,05 | 0,2 |
0,3 | 0,05 | 0,35 | |
0,35 | 0,1 | 0,45 | |
0,8 | 0,2 | |
Очевидно, что компоненты X и Y являются зависимыми, т.к.
.
; ;
, ;
, ;
; .
Этот пример показывает, что случайные величины X и Y могут быть некоррелированными, но при этом являться зависимыми.
Пример 2.2.18. Двумерный случайный вектор подчинен закону распределения с плотностью
Область D – треугольник, ограниченный прямыми , , .
Найти: коэффициент а, . Выяснить, зависимы или нет случайные величины X и Y.
Решение. Коэффициент a находится из уравнения
.
Опуская промежуточные выкладки (в этом примере будем делать так и в дальнейшем), получаем . Далее:
,
.
Заметим, что в силу симметрии по переменным x и y, можно не вычислять математическое ожидание и дисперсию компоненты Y, т.е. , . Тогда .
Вычислим ковариацию и коэффициент корреляции:
; .
Поскольку компоненты X и Y коррелированны, следовательно, они зависимы.
Ответ: , , , , , . Компоненты X и Y зависимы.
Пример 2.2.19. Двумерный случайный вектор равномерно распределен на множестве случайных точек Q, задаваемых неравенством . Выяснить, являются ли случайные величины X и Y: 1) зависимыми; 2) коррелированными.
Решение. Множество точек Q, задаваемых неравенством , является квадратом (рис. 2.2.6). Поскольку двумерный случайный вектор равномерно распределен на множестве Q, его плотность имеет вид
Из условия нормировки найдем константу C:
,
где – площадь квадрата Q, равная 2. Отсюда , а значит,
1) Найдем вначале плотность распределения компоненты X.
Если , то, очевидно, для всех .
Если , то
, т.е.
Аналогично находится плотность распределения компоненты Y:
Равенство не выполняется для точек координатной плоскости, принадлежащих заштрихованным областям (рис. 2.2.7), поскольку в этих точках , а и . Суммарная площадь заштрихованных областей равна 2, значит, компоненты X и Y зависимы.
2) Вычислим математические ожидания компонент X и Y:
,
т.к. интеграл от нечетной функции в симметричных пределах равен нулю. Аналогично .
Определим начальный момент :
.
Таким образом, ковариация . Значит, компоненты X и Y некоррелированные.
Ответ: компоненты X и Y зависимы, но некоррелированны.