Prawdopodobienstwo i statystyka
Transkrypt
Prawdopodobienstwo i statystyka
Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych 1 grudnia 2015 Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Współczynnik korelacji r (X , Y ) = −0, 013 Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Współczynnik korelacji r (X 2, Y 2) = 0, 035 Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Współczynnik korelacji r (U, V ) = 0, 127 Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Współczynnik korelacji r (U 2, V 2) = −1 Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Niezależność stochastyczna Definicja Zmienne losowe X1 , X2 , . . . , Xd są niezależne, jeżeli Ef1 (X1 )f2 (X2 ) · . . . · fd (Xd ) = Ef1 (X1 ) · Ef2 (X2 ) · . . . · Efd (Xd ), dla dowolnych funkcji fi ograniczonych i borelowskich. Definicja Dowolna rodzina zmiennych losowych {Xi }i∈II , określonych na tej samej przestrzeni probabilistycznej, jest niezależna, jeśli dla każdego skończonego podzbioru I 0 ⊂ I zmienne losowe Xi , i ∈ I 0 są niezależne. Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Więcej o niezależności stochastycznej Jeśli {Xi }i∈II jest rodziną niezależnych zmiennych losowych, to dla dowolnej rodziny funkcji borelowskich {gi }i∈II , rodzina {gi (Xi )}i∈II jest również niezależna. Jeśli zmienne losowe X i Y są całkowalne i niezależne, to ich iloczyn XY też jest całkowalny i mamy EXY = EX · EY . W szczególności, niezależne i całkowalne zmienne losowe są nieskorelowane. Bez niezależności X i Y całkowalność iloczynu XY wymaga mocniejszych założeń, niż tylko całkowalność czynników. Można np. skorzystać z nierówności Höldera: 1 1 E |XY | ¬ (E |X |p )1/p (E |Y |q )1/q , + = 1. p q Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Mnożenie wartości oczekiwanych Twierdzenie Niech X1 , X2 , . . . , Xd będą niezależne. Jeżeli funkcje borelowskie fi sa takie, że f1 (X1 ), f2 (X2 ), . . . , fd (Xd ) są całkowalne , tj. E |fi (Xi )| < +∞, i = 1, 2, . . . , d, to Ef1 (X1 )f2 (X2 ) · · · fd (Xd ) = Ef1 (X1 ) · Ef2 (X2 ) · · · · Efd (Xd ). Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Produkt rozkładów Twierdzenie Zmienne losowe X1 , X2 , . . . , Xd są niezależne wtedy, i tylko wtedy, gdy dla dowolnych liczb a1 , a2 , . . . , ad mamy P(X1 ¬ a1 , X2 ¬ a2 , . . . , Xd ¬ ad ) = P(X1 ¬ a1 )P(X2 ¬ a2 ) · . . . · P(Xd ¬ ad ). W terminach dystrybuant: F(X1 ,X2 ,...,Xd ) (a1 , a2 , . . . , ad ) = FX1 (a1 )·FX2 (a2 )·. . .·FXd (ad ). Słowami wyrażamy ten fakt stwierdzając, że dystrybuanta rozkładu łącznego jest produktem dystrybuant rozkładów brzegowych. Dlatego łączny rozkład niezależnych zmiennych losowych nazywamy produktem ich rozkładów brzegowych. Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Klasyczne prawdopodobieństwo na produkcie Niech wyniki i-tego eksperymentu będą elementami skończonej przestrzeni Ωi . Połóżmy Ω = Ω1 × Ω2 × . . . × Ωd . Niech P będzie klasycznym prawdopodobieństwem na Ω. Wtedy dla dowolnych funkcji fi : Ωi → IR 1 , zmienne losowe Xi (ω1 , ω2 , . . . , ωd ) = fi (ωi ) są stochastycznie niezależne. W tym szczególnym przypadku niezależność stochastyczna pokrywa się z niezależnością funkcyjną (zmienne Xi w istocie są funkcjami różnych argumentów). Przewaga niezależności stochastycznej polega na uwolnieniu tej własności od konkretnej przestrzeni funkcyjnej. Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Kryteria niezależności Twierdzenie (Niezależność dyskretnych zmiennych losowych) Niech rozkłady zmiennych X1 , X2 , . . . , Xd będą dyskretne. Zmienne losowe X1 , X2 , . . . , Xd są niezależne dokładnie wtedy, gdy dla dowolnych x1 , x2 , . . . , xd ∈ IR 1 ma miejsce związek P(X1 = x1 , X2 = x2 , . . . , Xd = xd ) = P(X1 = x1 )P(X2 = x2 ) · · · P(Xd = xd ). Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Kryteria niezależności Twierdzenie (Niezależność absolutnie ciągłych zmiennych losowych) Niech rozkłady zmiennych X1 , X2 , . . . , Xd będą absolutnie ciągłe z gęstościami p1 (x), p2 (x), . . . , pd (x). Zmienne losowe X1 , X2 , . . . , Xd są niezależne dokładnie wtedy, gdy rozkład łączny tych zmiennych jest absolutnie ciągły (tzn. posiada gęstość względem miary Lebesgue’a na IR d ) i jego gęstość ma postać pX~ (x1 , x2 , . . . , xd ) = p1 (x1 )p2 (x2 ) · · · pd (xd ). Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Niezależność zdarzeń Twierdzenie Rodzina zdarzeń {Ai }i∈II ⊂ F jest niezależna, dokładnie wtedy, gdy rodzina {IAi }i∈II indykatorow tych zdarzeń jest niezależna. Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych Obiecany wcześniej dowód Na zakończenie wykładu podajemy wcześniej obiecany dowód faktu, że dla każdej symetrycznej i nieujemnie ~ taki, określonej macierzy We Σ istnieje wektor losowy X że ~ ) = Σ. Cov (X Prawdopodobieństwo i statystyka Wykład IX: Niezależność zmiennych losowych