Многие экономические показатели определяются несколькими факторами, являясь по сути многомерными СВ. Например, объем продукции растениеводства в сельском хозяйстве может быть охарактеризован уровнем механизации – Х 1, численностью работников – Х 2, количеством внесенных минеральных удобрений на единицу площади – Х 3, количеством осадков в период вегетации – Х 4 и качеством почвы – Х 5 [1].
Для описания n-мерной СВ Х 1, Х 2, … Хn (n -мерного случайного вектора Х = (Х 1, Х 2, … Хn)) вводятся понятия совместной вероятности, совместной функции распределения и совместной плотности вероятностей. Далее, для простоты изложения, будем рассматривать двумерную СВ (n = 2, случайная точка на плоскости), при этом все основные понятия могут быть перенесены на случай n > 2.
В двумерном случае для СВ (X, Y) совместная вероятность определяется соотношением:
P (x, y) = P (X = x, Y = y). (1.21)
Тогда совместная функция распределения F (x, y) определится равенством:
F (x, y) = P (X < x, Y < y). (1.22)
Свойства функции F (x, y) аналогичны свойствам функции распределения одномерной СВ.
|
|
Совместной плотностью вероятностей непрерывной двумерной СВ (Х, Y) называется вторая смешанная частная производная ее функции распределения:
. (1.23)
Тогда и вероятность попадания СВ (X, Y) в область D равна .
Условным законом распределения одной из составляющих двумерной СВ (X, Y) называется закон ее распределения, вычисленный при условии, что другая ее составляющая примет определенное значение. В частности, условные плотности вероятностей fy (x) и fx (y) определяются по формулам:
примет значение у
(1.24)
примет значение х,
где f 1(x) и f 2(y) – плотности вероятностей СВ Х и Y.
Числовые характеристики условных законов распределений определяются как условные математические ожидания Мх (Y) и Му (Х) и условные дисперсии Dx (Y) и Dy (X). Они находятся по формулам раздела 1.2, в которых вместо вероятностей событий или плотностей вероятности используются условные вероятности или условные плотности распределения.
Одной из важных задач экономического анализа является обоснование влияния конкретных факторов на исследуемый экономический показатель и установление степени их взаимосвязи друг с другом. Для анализа степени взаимосвязи СВ (степени зависимости между СВ) обычно используют различные моменты распределений, ковариацию (совместное изменение) и коэффициент корреляции [16].
Ковариацией (корреляционным моментом) СВ Х и Y называется математическое ожидание произведения отклонений этих величин от своих математических ожиданий:
Cov (X, Y) = M [(X – M (X)) · (Y – M (Y))] = M (X · Y) – M (X) · M (Y). (1.25)
Кроме обозначения Cov (X, Y), достаточно часто используется обозначение σ ху.
|
|
Если Х и Y независимые СВ, то M (X, Y) = M (X) · (M (Y) и Cov (X, Y) = 0.
Ковариация характеризует наличие положительной (переменные изменяются в одном направлении) или отрицательной (переменные изменяются в разных направлениях) связи между СВ. Ковариация является размерной величиной, что затрудняет ее использование для определения силы (строгости) зависимости между рассматриваемыми СВ. Для устранения данных недостатков вводится относительная мера взаимосвязи – коэффициент корреляции.
Коэффициентом корреляции СВ Х и Y называют отношение их ковариации к произведению средних квадратических отклонений:
. (1.26)
Основные свойства коэффициента корреляции:
1. -1 £ р £ 1.
2. ρ = 0, если СВ Х и Y независимы.
3. Если | р | = 1, то Y = a + b · X, т. е. между СВ Х и Y существует линейная функциональная зависимость.
Из независимости СВ Х и Y следует их некоррелируемость (ρ = 0). Обратное утверждение неверно. Для расчета дисперсий суммы (разности) коррелированных СВ Х и Y следует использовать формулы:
D (X ± Y) = D (X) + D (Y) ± 2 Cov (X, Y)
(1.27)
D (X ± Y) = D (X) + D (Y) ± 2 ρ · σx · σy.
Очевидно, что в случае независимости СВ последние слагаемые в этих формулах обращаются в ноль.