Projekt pn. „ IKS - Inwestycja w Kierunki Strategiczne na Wydziale Matematyki i Informatyki UMK ” realizowany w ramach Poddziałania 4.1.2 Programu Operacyjnego Kapitał Ludzki
Kurs wyrównawczy - rachunek prawdopodobieństwa I rok II st. matematyka, sp.: zas, mef, nam, mii
Prowadzący: dr Agnieszka Goroncy
WEKTORY LOSOWE
Rozkład dyskretny wektora losowego (X, Y ) jest wyznaczony przez tablic¸e
Y \X x1 x2 x3 ...
y1 p(x1, y1) p(x2, y1) p(x3, y1) ...
y2 p(x1, y2) p(x2, y2) p(x3, y2) ...
... ... ... ... ...
gdzie p(xi, yj) = P(X = xi, Y = yj). Liczby p(xi, yj) spełniaj¸a nast¸epuj¸ace warunki:
p(xi, yj) ≥ 0 oraz
X
i,j
p(xi, yj) = 1.
Rozkłady brzegowe zmiennych X oraz Y to zbiory liczb P(X = xi) oraz P(Y = yj) takie, że:
P(X = xi) = X
j
p(xi, yj),
P(Y = yj) = X
i
p(xi, yj).
Rozkład ci¸agły wektora losowego (X, Y ) jest wyznaczony przez g¸estość prawdopo- dobieństwa f (x, y) ≥ 0, podan¸a warunkiem
Z
R
Z
R
f (x, y)dxdy = 1.
Dla A ∈ B(R2) prawdopodobieństwo dane jest wzorem P ((X, Y ) ∈ A) =
Z
A
f (x, y)dxdy.
Dystrybuanta wektora losowego (X, Y ) dana jest wzorem
F (x, y) = P(X ≤ x, Y ≤ y) =
x
Z
−∞
y
Z
−∞
f (u, v)dvdu,
zatem
f (x, y) = ∂F (x, y)
∂x∂y .
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Rozkłady brzegowe zmiennych X oraz Y :
fX(x) =
∞
Z
−∞
f (x, y)dy,
fY(y) =
∞
Z
−∞
f (x, y)dx.
X, Y - niezależne ⇔ FX,Y(x, y) = FX(x)FY(y) ⇔ fX,Y(x, y) = fX(x)fY(y).
Wartość oczekiwana zmiennej losowej Z = g(X, Y ) dana jest wzorem EZ = E(g(X, Y )) =
Z
R
Z
R
g(x, y)f (x, y)dxdy.
Wartość oczekiwana wektora losowego ¯X = (X1, . . . .Xn)T jest wektorem E ¯X = (EX1, . . . , EXn)T.
Współczynnik kowariancji zmiennych X i Y dany jest wzorem
Cov(X, Y ) = E[(X − EX)(Y − EY )] = E(XY ) − EXEY.
St¸ad
Cov(X, X) = E(X − EX)2 = V ar(X).
Zmienne losowe X i Y s¸a nieskorelowane, gdy Cov(X, Y ) = 0.
FAKT: Jeżeli zmienne losowe s¸a niezależne, to s¸a nieskorelowane.
Macierz¸a kowariancji wektora losowego ¯X = (X1, . . . .Xn)T nazywamy macierz o wymiarze n × n o współczynnikach σij = Cov(Xi, Xj), i, j = 1, . . . , n (o ile taka istnieje):
V AR( ¯X) =
V ar(X1) . . . Cov(X1, Xn) . . . .
Cov(Xn, X1) . . . V ar(Xn)
Współczynnik korelacji zmiennych X, Y dany jest wzorem
corr(X, Y ) = Cov(X, Y ) pV ar(X)V ar(Y ),
jeżeli D2X > 0, D2Y > 0, oraz corr(X, Y ) = 0 w przeciwnym przypadku.
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego