А. П. Господариков, И. А. Лебедев

• Название: А. П. Господариков, И. А. Лебедев
• Дата: 20.10.2022
• Размер: 0.88 Mb.
• Имя файла: 3_ekonom__bakal (1).docx
• Тип: Учебное пособие; #745420
• страница: 5 из 12

1.4. Система двух случайных величин и регрессия

Система двух случайных величин – совокупность двух случайных величин (X,Y), которые рассматриваются одновременно.

Измерения обычно осуществляются попарно, а полученные значения случайных величин X и Y в определенном смысле взаимосвязаны.

Закон распределения двумерной случайной величины дискретного типа представляет собой перечень значений этой величины и их вероятностей, указанных в специальной таблице. В табл.1 представлены возможные значения (x_i,y_j) и их совместные вероятности:

.

Таблица 1

Закон распределения двумерной случайной величины

Y	X
	x1	x2	…	xi	…	xn	pyj
y1	p11	p21	…	pi1	…	pn1	py1
y2	p12	p22	…	pi2	…	pn2	py2
…	…	…	…	…	…	…	…
yj	p1j	p2j	…	pij	…	pnj	pyj
…	…	…	…	…	…	…	…
ym	p1m	p2m	…	pim	…	pnm	pym
pxi	px1	px2	…	pxi	…	pxn

Зная закон распределения дискретной двумерной случайной величины (X, Y), можно найти закон распределения каждой случайной величины X и Y:

;

.

Интегральная функция распределения двумерной случайной величины (X, Y) есть вероятность совместного выполнения неравенств X < x и Y < y, т.е.



Двумерная случайная величина непрерывного типа может быть задана интегральной или дифференциальной функцией распределения. Если интегральная функция распределения всюду непрерывна и имеет непрерывную смешанную частную производную второго порядка, то дифференциальная функция распределения системы двух случайных величин (X, Y) определяется по формуле

.

Плотность распределения отдельных случайных величин, входящих в систему, выражается через плотность системы случайных величин следующим образом:

.

Условный закон распределения случайной величины, входящей в систему, есть закон ее распределения, полученный в предположении, что другая случайная величина приняла определенное значение. Для системы случайных величин дискретного типа условные законы распределения имеют вид

.

Условные математические ожидания (условные средние) дискретных случайных величин



Условные распределения показывают, что одна СВ реагирует на изменение другой изменением своего закона распределения. Такая общая зависимость называется стохастической (вероятностной) и достаточно сложна для изучения. Однако зависимость условного среднего одной СВ от значений другой является функцией, которая называется регрессией: – регрессия Y на X, – регрессия X на Y. Но и функции регрессии в общем случае достаточно сложны, поэтому используют различные их приближения, например линейной функцией (наилучшей в смысле наименьшего значения среднего квадрата отклонения). Это значит, что для регрессии Y на X функция приближается линейной функцией

.

Уравнения таких наилучших линейных регрессий

для регрессии Y на X

;

для регрессии X на Y

,

где , , , .

Коэффициент корреляции



характеризует близость (или тесноту) связи между случайными величинами к линейной.

Отметим, что всегда . Если , то СВ называются некоррелированными и в этом случае их условные средние значения являются постоянными, т.е. не зависят от значений другой СВ, что характеризует их слабую взаимозависимость. Если (угол между прямыми наилучших линейных регрессий близок к прямому), связь между случайными величинами достаточно слабая и нелинейная. Если (угол близок к нулю), то связь сильная и близка к линейной. В случае промежуточного значения r_xy (и угла) связь достаточно сильна и существенно нелинейная.