Независимые случайные величины — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Тетраедер)
м
Строка 1: Строка 1:
{{В разработке}}
 
 
== Определение ==
 
== Определение ==
  
Строка 44: Строка 43:
  
 
[http://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D1%8C_(%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D1%8F_%D0%B2%D0%B5%D1%80%D0%BE%D1%8F%D1%82%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9)#.D0.9D.D0.B5.D0.B7.D0.B0.D0.B2.D0.B8.D1.81.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D0.BB.D1.83.D1.87.D0.B0.D0.B9.D0.BD.D1.8B.D0.B5_.D0.B2.D0.B5.D0.BB.D0.B8.D1.87.D0.B8.D0.BD.D1.8B Википедия: Независимость (теория вероятностей)]
 
[http://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D1%8C_(%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D1%8F_%D0%B2%D0%B5%D1%80%D0%BE%D1%8F%D1%82%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9)#.D0.9D.D0.B5.D0.B7.D0.B0.D0.B2.D0.B8.D1.81.D0.B8.D0.BC.D1.8B.D0.B5_.D1.81.D0.BB.D1.83.D1.87.D0.B0.D0.B9.D0.BD.D1.8B.D0.B5_.D0.B2.D0.B5.D0.BB.D0.B8.D1.87.D0.B8.D0.BD.D1.8B Википедия: Независимость (теория вероятностей)]
 +
 +
[[Категория: Дискретная математика и алгоритмы]]
 +
[[Категория: Теория вероятности]]

Версия 16:27, 18 декабря 2011

Определение

Определение:
Независимые случайные величины - [math] \xi[/math] и [math]\eta[/math] называются независимыми, если [math]\forall \alpha ,\beta \in \mathbb R[/math] события [math][ \xi \leqslant \alpha ][/math] и [math][ \eta \leqslant \beta ][/math] независимы.
[math]P((\xi \leqslant \alpha) \cap (\eta \leqslant \beta)) = P(\xi \leqslant \alpha)·P(\eta \leqslant \beta)[/math]

Иначе говоря, две случайные величины называются независимыми, если значение одной из них не влияет на значение другой.

Дискретные случайные величины

Определение:
Случайные величины [math]\xi_1,...,\xi_n[/math] с дискретным распределением[1] независимы (в совокупности), если для [math]\forall a_1,...,a_n[/math] имеет место равенство:
[math]P(\xi_1=a_1,...,\xi_n=a_n)=P(\xi_1=a_1)·...·P(\xi_n=a_n)[/math]

Стоит отметить, что если [math]\xi[/math] и [math]\eta[/math] - дискретные случайные величины, то достаточно рассматривать случай [math]\xi = \alpha[/math], [math]\eta = \beta[/math].

Примеры

Честная игральная кость

Рассмотрим вероятностное пространство «честная игральная кость»: [math]\Omega = \mathcal {f} 1, 2, 3, 4, 5, 6 \mathcal {g}[/math], [math]\xi (i) = i~mod~2[/math], [math]\eta (i) = \mathcal {b} i / 3 \mathcal {c}[/math]. Для того, чтобы показать, что величины [math]\xi[/math] и [math]\eta[/math] независимы, надо рассмотреть все [math]\alpha[/math] и [math]\beta[/math].

Для примера рассмотрим: [math]\alpha = 0[/math], [math]\beta = 0[/math]. Тогда [math]P( \xi \leqslant 0) = \frac{1}{2}[/math], [math]P( \eta \leqslant 0) = \frac{1}{3}[/math], [math]P((\xi \leqslant 0) \cap (\eta \leqslant 0)) = \frac{1}{6}[/math].

Аналогичным образом можно проверить, что для оставшихся значений [math]\alpha[/math] и [math]\beta[/math] события также являются независимыми, а это значит, что случайные величины [math]\alpha[/math] и [math]\beta[/math] независимы.

Тетраэдр

Рассмотрим вероятностное пространство «тетраэдр». Каждое число соответствует грани тетраэдра (по аналогии с игральной костью): [math]\Omega = \mathcal {f} 0, 1, 2, 3 \mathcal {g}[/math]. [math]\xi (i) = i~mod~2[/math], [math]\eta(i) = \left \lfloor i / 2 \right \rfloor[/math].

Рассмотрим случай: [math]\alpha = 0[/math], [math]\beta = 1[/math]. [math]P(\xi \leqslant 0) = 1/2[/math], [math]P(\eta \leqslant 1) = 1[/math], [math]P((\xi \leqslant 0) \cap (\eta \leqslant 1)) = 1/2[/math].

Для этих значений [math]\alpha[/math] и [math]\beta[/math] события являются независимыми, так же, как и для других (рассматривается аналогично), поэтому эти случайные величины независимы.

Заметим, что если: [math]\xi (i) = i~mod~3[/math], [math]\eta(i) = \left \lfloor i / 3 \right \rfloor[/math], то эти величины зависимы: положим [math]\alpha = (\beta = 0)[/math]. Тогда [math]P(\xi \leqslant 0) = 1/2[/math], [math]P(\eta \leqslant 0) = 3/4[/math], [math]P((\xi \leqslant 0) \cap (\eta \leqslant 1)) = 1/4 \neq P(\xi \leqslant 0) P(\eta \leqslant 0)[/math].

Примечания

  1. Вероятность того, что случайная величина [math]X[/math] принимает значение меньшее [math]x[/math], называется функцией распределения случайной величины [math]X[/math] и обозначается
    [math]F(x): F(x) = P[/math][math](X \leqslant x)[/math].

См. также

Дискретная случайная величина

Литература и источники информации

Независимость случайных величин

Википедия: Независимость (теория вероятностей)