Наряду с рассмотренными выше числовыми характеристиками случайных векторов, в приложениях используются также и моменты более высоких порядков.
Если задан случайный вектор , то величины
и
называются начальными и центральными смешанными моментами порядка соответственно (). Вычисляются моменты более высоких порядков по формулам для , вытекающим из обобщения ОТМО на многомерный случай.
В частности,
.
Пример 1. Закон распределения случайного вектора задан таблицей:
-1 | 0,1 | 0,2 | |
0,3 | 0,1 | ||
0,1 | 0,2 |
Найти: 1) законы распределения случайных величин и . Являются ли случайные величины и независимыми?
2) корреляционную матрицу. Являются ли случайные величины и некоррелированными?
3) условный закон распределения случайной величины при условии, что случайная величина приняла значение, равное 0; вычислить и .
Решение. 1) Для случайной величины вероятности её значений находятся суммированием вероятностей в -ой строке таблицы ():
Поэтому закон распределения случайной величины имеет вид:
|
|
-1 | |||
0,3 | 0,4 | 0,3 |
Вероятности значений случайной величины находятся суммированием вероятностей в -ом столбце таблицы ():
.
Поэтому закон распределения случайной величины имеет вид:
0,5 | 0,4 | 0,1 |
Условием независимости случайных величин и является равенство:
, для всех .
Поскольку в данном случае
, то
и, следовательно, случайные величины и зависимы.
2) Найдем математические ожидания случайных величин и , используя одномерные законы распределения:
;
.
Найдем далее дисперсии и по одномерным законам распределения:
;
.
Корреляционный момент находится только по совместному закону распределения случайных величин и :
(отсутствующие слагаемые равны 0).
Поскольку корреляционный момент , то случайные величины и являются некоррелированными.
Корреляционная матрица имеет вид:
.
3) Условный закон распределения случайной величины при условии, что случайная величина определяется совокупностью условных вероятностей:
,
которые равны: .
Записывается условный закон распределения случайной величины при условии, что случайная величина в виде таблицы:
Найдем условное математическое ожидание :
.
Условная дисперсия вычисляется по формуле:
.
Пример 2. Плотность вероятностей двумерного случайного вектора имеет вид:
Найти:
а) коэффициент ;
б) функцию распределения ;
в) плотности вероятностей координат и ;
г) условные плотности вероятностей и ;
д) математическое ожидание и корреляционную матрицу вектора ;
е) вероятность
|
|
Являются ли случайные величины и независимыми? Являются ли они некоррелированными?
Решение. а) Коэффициент определяется из условия нормировки:
.
В данном случае это условие означает, что
.
б) Функция распределения связана с двумерной плотностью вероятностей соотношением:
.
При имеем:
.
При имеем:
.
При и имеем:
.
Заметим, что в данной области в соответствии со свойством 5) совпадает с функцией распределения случайной величины .
При и имеем:
.
В данной области совпадает с функцией распределения случайной величины .
При и имеем:
.
Окончательно для функции распределения получаем выражение:
в) Найдём плотности вероятностей координат и :
г) Условные плотности вероятностей и находятся по формулам:
.
В данном случае
д) Найдём математические ожидания и и дисперсии и , воспользовавшись одномерными законами распределения:
;
в силу симметрии.
;
в силу симметрии.
Корреляционный момент находится по совместной плотности вероятностей случайных величин и :
.
Корреляционная матрица вектора имеет вид:
.
е) Вероятность вычисляется по формуле:
,
где область .
Интегрируя, получаем:
.
Поскольку , то случайные величины и являются зависимыми. Корреляционный момент , поэтому случайные величины являются коррелированными.