Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej.

Prezentacja na temat: "Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej."— Zapis prezentacji:

1 Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej będzie dana tabelką pi. 1 0, ,03 0,04 0,13 2 0, ,04 0,13 0,24 3 0, ,06 0,20 0,33 4 0, ,12 0,13 0,30 p.j , ,25 0,50 1,00 Y X

2 Rozkłady brzegowe Rozkład jednej tylko zmiennej, X lub Y, bez względu na rozkład drugiej, będziemy nazywali rozkładem brzegowym tej zmiennej. Rozkłady brzegowe są rozkładami jednowymiarowymi, a ich f.r.p. określone są następująco:

3 Rozkłady warunkowe W przypadku rozkładów dwuwymiarowych istnieje możli-wość określenia rozkładu jednej zmiennej pod warunkiem, że druga zmienna przyjmie określone wartości. Warunkowe funkcje rozkładu prawdopodobieństwa określone są następująco:

4 Warunkowe funkcje prawdopodobieństwa
Obliczając warunkowe f.r.p. dla zmiennej losowej Y w naszym przykładzie otrzymamy: 1 0, ,23 0,31 1 2 0, ,17 0,54 1 3 0, ,18 0,61 1 4 0, ,40 0,43 1

5 Parametry rozkładu dwuwymiarowej zmiennej losowej
Momentem zwykłym rzędu k+l (k, l = 0, 1,...) dwuwymiarowej zmiennej losowej (X,Y) typu skokowego nazywamy wyrażenie: Z powyższego wynika, że istnieją dwa momenty rzędu pierwszego m10 i m01, przy czym m10=EX oraz m01=EY, tym samym momenty te są wartościami oczekiwanymi w rozkładach brzegowych zmiennych X i Y.

6 Parametry rozkładu (c.d.)
Podobnie istnieją trzy momenty rzędu drugiego: m20=EX2; m02=EY2; m11=EXY Przykład: Obliczając momenty rzędu pierwszego i drugiego w naszym przykładzie otrzymujemy: m10=EX=1 • 0, • 0, • 0, • 0,30 = 2,8 m01=EY=1 • 0, • 0, • 0,50 = 2,25 m20=EX2=12 • 0,13+22 • 0,24+32 • 0,33+42 • 0,30 = 0,13+0,96+2,97+4,80 = 8,86 m02=EY2=12 • 0, • 0, • 0,50 = 0,25 + 1,00 + 4,50 = 5,75 m11=EXY=1 • 1 • 0, • 2 • 0,03 +1 • 3 • 0,04+2 • 1 • 0,07+ 2 • 2 • 0,04 + + 2 • 3 • 0,13 +3 • 1 • 0,07 +3 • 2 • 0,06 +3 • 3 • 0,20+ + 4 • 1 • 0, • 2 • 0, • 3 • 0,13 = 0,24 + 1,08 + 2,37 + 2,72 = 6,41

7 m10=EX= 1•0,13+2•0,24+3•0,33 +4•0,30=2,8 (wartość oczekiwana zmiennej X Przykład liczbowy Rozpatrzmy dwuwymiarową zmienną losową (X,Y), gdzie X jest liczbą osób w rodzinie, a Y liczbą izb w mieszkaniu. Niech f.r.p. tej zmiennej będzie dana tabelką pi. 1 0, ,03 0,04 0,13 2 0, ,04 0,13 0,24 3 0, ,06 0,20 0,33 4 0, ,12 0,13 0,30 p.j , ,25 0,50 1,00 Y X m01=EY=1•0,25+2•0,25+3•0,50=2,25 (wartość oczekiwana zmiennej Y

8 Parametry rozkładu (c.d.)
Momentem centralnym rzędu k+l (k, l = 0, 1,...) dwuwy-miarowego rozkładu zmiennej losowej (X,Y) typu skokowego nazywamy wyrażenie:

9 Obliczanie momentów centralnych
Z definicji momentu centralnego wynika, że: Istnieje jeszcze jeden moment centralny rzędu drugiego: Moment ten nazywamy kowariancją i oznaczamy symbolem CXY.

10 Związki między momentami
Między momentami centralnymi a zwykłymi zachodzą związki: Można udowodnić, że jeżeli zmienne losowe (X,Y) są niezależne, to kowariancja jest równa zero. O zmiennych (X,Y), dla których CXY=0 mówimy, że są nieskorelowane.

11 Współczynnik korelacji
Z kowariancją związany jest jeszcze jeden parametr rozkładu dwuwymiarowego, tzw. współczynnik korelacji zmiennych losowych (X,Y): Z własności kowariancji wynika następująca własność współczynnika korelacji: Współczynnik korelacji jest miarą siły związku między zmiennymi losowymi.

12 Obliczenia momentów centralnych i współczynnika korelacji
Korzystając ze związków między momentami otrzymujemy w naszym przykładzie: Możemy już obliczyć współczynnik korelacji:

13 Warunkowe wartości oczekiwane
Warunkową wartością oczekiwaną zmiennej losowej Y przy warunku, że zmienna X = xi nazywamy wyrażenie: Analogicznie definiujemy warunkową wartość oczekiwaną zmiennej X:

14 Obliczanie warunkowych wartości oczekiwanych
Obliczmy warunkowe wartości oczekiwane zmiennej losowej Y w naszym przykładzie. Kolejno otrzymujemy: E(Y/X=1)=10,46+20,23+30,31=1,85 E(Y/X=2)=10,29+20,17+30,54=2,25 E(Y/X=3)=10,21+20,18+30,61=2,40 E(Y/X=4)=10,17+20,40+30,43=2,26