Wykład 4 - E-SGH
Transkrypt
Wykład 4 - E-SGH
Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Wykład 4 Dwuwymiarowa zmienna losowa cd. Jacek Kłopotowski Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 14 marca 2011 Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Funkcję h : X → R, gdzie X ∈ B(R2 ), nazywamy funkcją borelowską dwóch zmiennych wtedy i tylko wtedy, gdy h−1 (B) ∈ B(R2 ) dla każdego B ∈ B(R). Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Funkcję h : X → R, gdzie X ∈ B(R2 ), nazywamy funkcją borelowską dwóch zmiennych wtedy i tylko wtedy, gdy h−1 (B) ∈ B(R2 ) dla każdego B ∈ B(R). Twierdzenie Jeśli X = (X1 , X2 ) jest dwuwymiarową zmienną losową, h jest funkcją borelowską, to Y = h(X1 , X2 ) jest jednowymiarową zmienną losową. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Twierdzenie Niech Y = h(X1 , X2 ) będzie funkcją zmiennej losowej (X1 , X2 ). a) Jeśli zmienna losowa (X1 , X2 ) ma rozkład czysto skokowy o (j) (k) funkcji prawdopodobieństwa p(x1 , x2 ) = pjk , to E Y = Eh(X1 , X2 ) = XX j (j) (k) h(x1 , x2 )pjk . k b) Jeśli zmienna losowa (X1 , X2 ) ma rozkład absolutnie ciągły o funkcji gęstości f , to ˆ ∞ˆ ∞ E Y = Eh(X1 , X2 ) = h(x1 , x2 )f (x1 , x2 )dx1 dx2 . −∞ Jacek Kłopotowski −∞ Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Najważniejszy w zastosowaniach przypadek tego twierdzenia dotyczy funkcji h(x1 , x2 ) = (x1 − a1 )r · (x2 − a2 )s , gdzie r i s są nieujemnymi liczbami całkowitymi oraz a1 , a2 ∈ R. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Momentem zwykłym mieszanym rzędu r + s dwuwymiarowej zmiennej losowej (X1 , X2 ) nazywamy liczbę mrs = E (X1r · X2s ). W szczególności dla r = 1 i s = 0 mamy m10 = E (X11 · X20 ) = EX1 . Oznaczenie to jest poprawne, gdyż jak łatwo można sprawdzić, m10 jest wartością oczekiwaną zmiennej X1 w rozkładzie brzegowym. Analogicznie m01 = E (X10 · X21 ) = EX2 . Definicja Momentem centralnym mieszanym rzędu r + s dwuwymiarowej zmiennej losowej (X1 , X2 ) nazywamy liczbę µrs = E ((X1 − m10 )r · (X2 − m01 )s ) . Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Momenty centralne rzędu drugiego są odpowiednio równe: a) moment rzędu 1 + 1: µ11 = E ((X1 − m10 )(X2 − m01 )) = E ((X1 − EX1 )(X2 − EX 2 )) , b) moment rzędu 2 + 0: µ20 = E (X1 − m10 )2 (X2 − m01 )0 = E (X1 − EX1 )2 = D 2 X1 , c) moment rzedu 0 + 2: µ02 = E (X1 − m10 )0 (X2 − m01 )2 = E (X2 − EX2 )2 = D 2 X2 . Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Moment rzędu 1 + 1 nazywamy kowariancją zmiennych losowych X1 , X2 . Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Moment rzędu 1 + 1 nazywamy kowariancją zmiennych losowych X1 , X2 . Kowariancję zmiennych X1 , X2 oznaczamy symbolem cov(X1 , X2 ). Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Moment rzędu 1 + 1 nazywamy kowariancją zmiennych losowych X1 , X2 . Kowariancję zmiennych X1 , X2 oznaczamy symbolem cov(X1 , X2 ). Twierdzenie (własności kowariancji) Załóżmy, że istnieje kowariancja cov(X1 , X2 ), wówczas: a) cov(X1 , X2 ) = m11 − m10 m01 ; b) jeśli X1 , X2 są niezależne, to cov(X1 , X2 ) = 0. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Moment rzędu 1 + 1 nazywamy kowariancją zmiennych losowych X1 , X2 . Kowariancję zmiennych X1 , X2 oznaczamy symbolem cov(X1 , X2 ). Twierdzenie (własności kowariancji) Załóżmy, że istnieje kowariancja cov(X1 , X2 ), wówczas: a) cov(X1 , X2 ) = m11 − m10 m01 ; b) jeśli X1 , X2 są niezależne, to cov(X1 , X2 ) = 0. Uwaga Z warunku cov(X1 , X2 ) = 0 nie wynika niezależność zmiennych X1 , X2 . Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Współczynnikiem korelacji zmiennych losowych X1 , X2 nazywamy liczbę cov(X1 , X2 ) , ρ(X1 , X2 ) = DX1 · DX2 gdzie DX1 , DX2 oznaczają odchylenia standardowe zmiennych X1 , X2 . Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Twierdzenie (własności współczynnika korelacji) Załóżmy, że istnieje współczynnik korelacji ρ(X1 , X2 ), wówczas: a) |ρ(X1 , X2 )| ≤ 1; b) jeśli X1 , X2 są niezależne, to ρ(X1 , X2 ) = 0; c) |ρ(X1 , X2 )| = 1 wtedy i tylko wtedy, gdy istnieją liczby rzeczywiste a, b takie, że P(X2 = aX1 + b) = 1. Jeśli ρ(X1 , X2 ) = 0, to mówimy również, że zmienne X1 , X2 są nieskorelowane. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Wyznaczymy współczynnik korelacji zmiennych X1 , X2 , gdy zmienna (X1 , X2 ) ma rozkład określony tabelką X1 −1 0 2 X2 0 1 Jacek Kłopotowski 4 12 3 12 0 1 12 Wykład 4 3 12 1 12 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Wyznaczymy współczynnik korelacji zmiennych X1 , X2 , gdy zmienna (X1 , X2 ) ma rozkład absolutnie ciągły o funkcji gęstości ( 1 2 dla (x1 , x2 ) ∈ D, f (x1 , x2 ) = 0 dla (x1 , x2 ) ∈ / D. gdzie D jest trójkątem o wierzchołkach A(0, 0), B(2, 0), C (0, 2). Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Macierzą kowariancji (lub macierzą wariancji i kowariancji) dwuwymiarowej zmiennej losowej X = (X1 , X2 ) nazywamy macierz kwadratową D 2 X1 cov (X1 , X2 ) . cov (X1 , X2 ) D 2 X2 Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Definicja Macierzą kowariancji (lub macierzą wariancji i kowariancji) dwuwymiarowej zmiennej losowej X = (X1 , X2 ) nazywamy macierz kwadratową D 2 X1 cov (X1 , X2 ) . cov (X1 , X2 ) D 2 X2 Twierdzenie Macierz kowariancji jest nieujemnie określona. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Uwaga Jeśli σ1 > 0 i σ2 > 0, to macierz kowariancji zmiennej X = (X1 , X2 ) możemy zapisać również w postaci σ12 σ1 σ2 ρ , σ1 σ2 ρ σ22 gdzie σ12 = D 2 X1 , σ22 = D 2 X2 , σ1 = DX1 , σ2 = DX2 , ρ = ρ (X1 , X2 ). Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Funkcję gęstości dwuwymiarowej zmiennej losowej X = (X1 , X2 ) o rozkładzie normalnym można zapisać w postaci 1 √ exp − 12 (x − m)T A−1 (x − m) , 2π det A m1 EX1 x1 gdzie A jest macierzą kowariancji, x = ,m= = . x2 m2 EX2 f (x1 , x2 ) = Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Twierdzenie Niech f będzie funkcją gęstości rozkładu prawdopodobieństwa skoncentrowanego na zbiorze normalnym D dwuwymiarowej zmiennej losowej X = (X1 , X2 ). Jeśli odwzorowanie H : D → H(D) jest różnowartościowe i różniczkowalne w sposób ciągły, det H 0 (x1 , x2 ) 6= 0 dla (x1 , x2 ) ∈ D, to dwuwymiarowa zmienna losowa Y = H(X) ma rozkład o funkcji gęstości g (y1 , y2 ) = f (H −1 (y1 , y2 )) det(H −1 )0 (y1 , y2 ) dla (y1 , y2 ) ∈ H(D), = 0 dla (y1 , y2 ) ∈ / H(D), gdzie H −1 oznacza odwzorowanie odwrotne do odwzorowania H. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Zmienna losowa X = (X1 , X2 ) ma rozkład normalny o funkcji gęstości określonej wzorem 1 exp − 21 (x12 + x22 ) . f (x1 , x2 ) = 2π Wyznaczymy rozkład zmiennej Y = (X1 + X2 , X1 − X2 ). Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Niech h będzie funkcją dwóch zmiennych przyjmującą wartości rzeczywiste. Rozkład jednowymiarowej zmiennej Y = h(X1 , X2 ) możemy wyznaczyć następująco. Określamy odwzorowanie H : R2 → R2 wzorem H(x1 , x2 ) = (h(x1 , x2 ), x2 ). Wyznaczamy rozkład zmiennej (Y1 , Y2 ) = H(X1 , X2 ) = (h(x1 , x2 ), x2 ), a następnie rozkład brzegowy zmiennej Y1 = h(X1 , X2 ). Przykład X1 , gdzie X1 , X2 są X2 niezależnymi zmiennymi losowymi o jednakowym rozkładzie normalnym N(0, 1). Wyznaczymy rozkład zmiennej Y = Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Ważnym w zastosowaniach przypadkiem jest rozkład sumy Y = X1 + X2 dwóch niezależnych zmiennych losowych. Niech f1 , f2 będą funkcjami gęstości odpowiednio zmiennych X1 , X2 . Zmienna X = (X1 , X2 ) ma rozkład o funkcji gęstości f (x1 , x2 ) = f1 (x1 )f2 (x2 ). Odwzorowanie H określamy wzorem H (x1 , x2 ) = (x1 + x2 , x2 ). −1 Mamy zatem 0 H (y1 , y2 ) = (y1 − y2 , y2 ) oraz −1 (y1 , y2 )| = 1. Stąd otrzymujemy, że zmienna | det H Y1 = X1 + X2 ma rozkład o funkcji gęstości ˆ ∞ g1 (y1 ) = f1 (y1 − y2 )f2 (y2 )dy2 . −∞ Określoną powyższym wzorem funkcję g1 nazywamy splotem funkcji f1 i f2 . Splot funkcji oznaczamy symbolicznie przez f1 ∗ f2 . Można wykazać, że splot jest działaniem łącznym i przemiennym. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Wyznaczymy rozkład sumy X1 + X2 dwóch niezależnych zmiennych losowych o jednakowym rozkładzie wykładniczym z parametrem λ > 0. Jacek Kłopotowski Wykład 4 Momenty dwuwymiarowej zmiennej losowej Rozkład funkcji dwuwymiarowej zmiennej losowej Przykład Wyznaczymy rozkład sumy X1 + X2 dwóch niezależnych zmiennych losowych o jednakowym rozkładzie wykładniczym z parametrem λ > 0. Przykład Wyznaczymy rozkład sumy X1 + X2 dwóch niezależnych zmiennych losowych o jednakowym rozkładzie jednostajnym w przedziale h0, 1i. Jacek Kłopotowski Wykład 4