Prawdopodobienstwo i statystyka
Transkrypt
Prawdopodobienstwo i statystyka
Wektory losowe Charakterystyki wektorów losowych Korelacja Prawdopodobieństwo i statystyka Wykład III: Wektory losowe i charakterystyki ich rozkładów 20 października 2014 Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Słowniczek TP cz. IV „Słowniczek” teorii prawdopodobieństwa, cz. IV Definicja wektora losowego i jego rozkładu Niech X1 , X2 , . . . , Xd będą zmiennymi losowymi na przestrzeni probabilistycznej (Ω, F, P). Wektorem losowym nazywamy odwzorowanie ~ (ω) = (X1 (ω), X2 (ω), . . . , Xd (ω))T ∈ Rd . Ω 3 ω 7→ X ~ (lub rozkładem łącznym Rozkładem wektora losowego X zmiennych X1 , X2 , . . . , Xd ) nazywamy prawdopodobieństwo PX~ na Rd zadane na wzorem PX~ ((a1 , b1 ] × (a2 , b2 ] × . . . × (ad , bd ]) := = P(a1 < X1 ¬ b1 , a2 < X2 ¬ b2 , . . . , ad < Xd ¬ bd ). Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Słowniczek TP cz. IV „Słowniczek” teorii prawdopodobieństwa, cz. IV, cd. Definicja dystrybuanty wektora losowego ~ nazywamy funkcję Dystrybuantą wektora losowego X FX~ : Rd → [0, 1], zadaną wzorem FX~ (a1 , a2 , . . . , ad ) := PX~ ({X1 ¬ a1 , X2 ¬ a2 , . . . , Xd ¬ ad }) . Uwaga: dystrybuanta wektora losowego określa rozkład wektora losowego. W jaki sposób? Uwaga: nie każda funkcja na Rd , która jest niemalejąca po współrzędnych, zadaje dystrybuantę! (Przykład!) Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Wartość oczekiwana i kowariancja Własności „Słowniczek” teorii prawdopodobieństwa, cz. IV, cd. Kowariancją zmiennych losowych X i Y nazywamy liczbę cov (X , Y ) := E (X − EX )(Y − EY ) = EXY − EX · EY . Zmienne losowe X i Y są nieskorelowane, jeśli cov (X , Y ) = 0. Uwaga: |cov (X , Y )| ¬ D(X )D(Y ). Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Wartość oczekiwana i kowariancja Własności „Słowniczek” teorii prawdopodobieństwa, cz. IV, cd. ~ = (X1 , X2 , . . . , Xd )T będzie wektorem losowym. Niech X ~ będzie całkowalna Niech każda składowa wektora X ~ k < +∞). Wartością oczekiwaną wektora (równoważnie: E kX ~ X nazywamy wektor wartości oczekiwanych jego składowych: ~ = (EX1 , EX2 , . . . , EXd )T . EX ~ będzie całkowalna z Niech każda składowa wektora X ~ k2 < +∞). Macierzą kwadratem (równoważnie: E kX ~ nazywamy macierz Cov (X ~) o kowariancji wektora X współczynnikach σjk = cov (Xj , Xk ), 1 ¬ j, k ¬ d. ~ nazywamy liczbę Wariancją wektora X ~ ) := E kX ~ − EX ~ k2 = Var (X d X ~ ). Var (Xj ) = tr Cov (X j=1 Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Wartość oczekiwana i kowariancja Własności Równoważna definicja wartości oczekiwanej Twierdzenie ~ k < +∞. Wartość oczekiwana wektora X ~ to jedyny Niech E kX d wektor m ∈ R taki, że ~ i = hx, mi, E hx, X x ∈ Rd . Wniosek ~ istnieje i A : Rd → Rm jest odwzorowaniem liniowym, Jeżeli E X ~ ) istnieje i mamy to EA(X ~ = A EX ~ . EA X Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Wartość oczekiwana i kowariancja Własności Równoważna definicja macierzy kowariancji Twierdzenie ~ k2 < +∞. Macierz kowariancji wektora X ~ jest jedyną Niech E kX symetryczną macierzą Σ wymiaru d × d wyznaczoną przez formę kwadratową ~ − EX ~ i2 = Var (hx, X ~ i) = hx, Σ xi, E hx, X x ∈ Rd . ~ ) jest więc jedyną macierzą Σ spełniającą związek Cov (X ~ − EX ~ ihy, X ~ − EX ~ i = cov (hx, X ~ i, hy, X ~ i) = hx, Σ yi, x, y ∈ Rd . E hx, X Wniosek ~ k2 < +∞ i A : Rd → Rm jest odwzorowaniem liniowym, to Jeżeli E kX ~ Cov (A X ) istnieje i mamy ~ ) = A Cov (X ~ ) AT . Cov (A X Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Wartość oczekiwana i kowariancja Własności Charakteryzacja macierzy kowariancji Twierdzenie (Charakteryzacja macierzy kowariancji) ~ jest symetryczna i Macierz kowariancji wektora losowego X nieujemnie określona. Na odwrót, dla dowolnej symetrycznej i nieujemnie określonej macierzy Σ rozmiaru d × d istnieje ~ taki, że d-wymiarowy wektor losowy X ~ ) = Σ. Cov (X Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Korelacja Brak korelacji Współczynnik korelacji Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy liczbę r (X , Y )(= ρ(X , Y )) = cov (X , Y ) D(X )D(Y ) 1 jeśli D(X ) · D(Y ) 6= 0, jeśli D(X ) · D(Y ) = 0. Twierdzenie (Interpretacja wsp. korelacji) |r (X , Y )| = 1 wtedy, i tylko wtedy, gdy istnieją stałe α, β takie, że X = αY + β lub Y = αX + β. Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Korelacja Brak korelacji Współczynnik korelacji r (X , Z ) = 0, 986 Prawdopodobieństwo i statystyka Wykład III: Wektory losowe Wektory losowe Charakterystyki wektorów losowych Korelacja Korelacja Brak korelacji Współczynnik korelacji r (X , Y ) = −0, 013 Prawdopodobieństwo i statystyka Wykład III: Wektory losowe