Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Корреляционный момент. Коэффициент корреляции. Свойства ковариации и коэффициента корреляции.Содержание книги
Поиск на нашем сайте
Коэффициентом ковариации называется выражение: cov(X,Y)=M[(X-MX)(Y-MY)]=M[XY-XMY-YMX+MX•MY]=MXY-2MX•MY+MX•MY=MXY-MX•MY Если случайные величины XY независимы, то их коэффициент ковариации равен нулю, обратное в общем случае неверно. Коэффициентом корреляции случайных величин X и Y называется число: X*=(X-MX)/σx D(X±Y)=M[X±Y-M(X±Y)]2=M[X±Y-MX∓MY]2=M[(X-MX)±(Y-MY)]2=M[(M-MX)2±2(X-MX)(Y-MY)+(Y-MY)2]=M(X_MX)2±2M(X-MX)(Y-MY)+M(Y-MY)2=DX±cov(XY)+DY Следствие: Если X и Y независимы, то коэффициент ковариации равен 0 и следовательно D(X±Y)=DX±DY Свойства коэффициента корреляции 1. -1≤pxy≤1 В общем случае Y можно представить в виде y=ax+b+z DZ=σy2(1-pxy)2 Коэффициент корреляции является мерой близости линейной связи между случайными величинами X и Y: чем ближе коэффициент корреляции по модулю к 1, тем более тесно результаты конкретного испытания над X и Y соотносятся с прямой ax+b. Свойства ковариации Править § Ковариация симметрична: . § В силу линейности математического ожидания, ковариация может быть записана как . § Пусть случайные величины, а их две произвольные линейные комбинации. Тогда . В частности ковариация (в отличие от коэффициента корреляции) не инварианта относительно смены масштаба, что не всегда удобно в приложениях. § Ковариация случайной величины с собой равна дисперсии: . § Если независимые случайные величины, то . Обратное, вообще говоря, неверно. § Неравенство Коши — Буняковского: . Предельные теоремы теории вероятностей. Неравенство и теория Чебышева
Неравенство Чебышева. Неравенство Чебышева, используемое для доказательства дальнейших теорем, справед-ливо как для непрерывных, так и для дискретных случайных величин. Докажем его для дискретных случайных величин.
Теорема 13.1(неравенство Чебышева). p( | X – M (X)| < ε) ≥ D (X) / ε². (13.1) Доказательство. Пусть Х задается рядом распределения
Так как события | X – M (X)| < ε и | X – M (X)| ≥ ε противоположны, то р (| X – M (X)| < ε) + + р (| X – M (X)| ≥ ε) = 1, следовательно, р (| X – M (X)| < ε) = 1 - р (| X – M (X)| ≥ ε). Найдем р (| X – M (X)| ≥ ε). D (X) = (x 1 – M (X))² p 1 + (x 2 – M (X))² p 2 + … + (xn – M (X))² pn. Исключим из этой суммы те слагаемые, для которых | X – M (X)| < ε. При этом сумма может только уменьшиться, так как все входящие в нее слагаемые неотрицательны. Для определенности будем считать, что отброшены первые k слагаемых. Тогда D (X) ≥ (xk+ 1 – M (X))² pk+ 1 + (xk+ 2 – M (X))² pk +2 + … + (xn – M (X))² pn ≥ ε² (pk+ 1 + pk+ 2 + … + pn). Отметим, что pk+ 1 + pk+ 2 + … + pn есть вероятность того, что | X – M (X)| ≥ ε, так как это сумма вероятностей всех возможных значений Х, для которых это неравенство справедливо. Следовательно, D (X) ≥ ε² р (| X – M (X)| ≥ ε), или р (| X – M (X)| ≥ ε) ≤ D (X) / ε². Тогда вероятность противоположного события p( | X – M (X)| < ε) ≥ D (X) / ε², что и требо-валось доказать.
|
||||||||||||||
Последнее изменение этой страницы: 2016-12-27; просмотров: 485; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.12.34.253 (0.005 с.) |