Среднеквадратическое отклонение.
Определение. Величина σξ = называется среднеквадратическим отклонением случайной величины. Также как и дисперсия, среднеквадратическое отклонение оценивает колеблемость случайного процесса. Эта характеристика носит искусственный характер, но размерность имеет ту же, что и случайная величина.
--------------------------------------------------------------------------------------------------------------
Коэффициент корреляции ρxh
Определение. Числовая характеристика, показывающая насколько случайные величины независимы, называется коэффициентом корреляции. Для двух случайных величин x иh коэффициент корреляции вычисляется по формуле:
Определение Величина cov(x,h) = М(xh) - М(x)М(h) называется ковариацией двух случайных величин x иh.
Тогда .
Для независимых x и h rxh = 0, так как в этом случае по свойству математического ожидания М(x h) = М(x)М(h). Обратного заключения сделать нельзя, и ниже приведён пример.
Свойства коэффициента корреляции:
1. –1£rxh£1.
2. Если rxh=1, то h=kx+b, где k и b — константы, k>0.
3. Если rxh= –1, то h= kx+b, где k<0.
Задача 7. Закон совместного распределения случайных величин x и h задан таблицей
h x | ||
1/5 | ||
3/5 | ||
1/5 |
Рассчитать коэффициент корреляции rxh.
Построим законы распределения для x и для h:
x | h | ||||||
pi | 1/5 | 3/5 | 1/5 | pi | 2/5 | 3/5 |
Проведём вычисления:
; ;
. Тогда cov(x,h) = М(xh) - М(x)М(h) = 0.
Следовательно, rxh = 0. При этом ясно, что имеет место функциональная зависимость между случайными величинами x и h.
Задача 8. Закон совместного распределения случайных величин x и h задан таблицей
h x | ||
–2 | 0,4 | 0,2 |
–1 | 0,1 | |
0,1 | 0,2 |
Рассчитать коэффициент корреляции rxh.
Построим законы распределения для x и h:
x | –2 | –1 | h | ||||
pi | 0,6 | 0,1 | 0,3 | pi | 0,5 | 0,5 |
Вычислим
М(x) = 0 ∙ 0,3 + (–1) ∙ 0,1+ (–2) ∙ 0,6 = – 1,3;
М(h) = 4 ∙ 0,5 + 5 ∙ 0,5 = 4,5;
М(xh) = (–2) ∙ 4 ∙ 0,4 + (–2) ∙ 5 ∙ 0,2 + (–1) ∙ 4 ∙0 + (–1) ∙5∙ 0,1 + 0 ∙ 4∙ 0,1 + 0 ∙ 5 ∙ 0,2 = – 5,7.
Тогда cov(x,h) = М(xh) - М(x)М(h) = – 5,7 –(– 1,3) ∙ 4,5 = 0,15.
D(x) = M(x2) – (M x)2 = 02 ∙ 0,3 + (–1) 2 ∙ 0,1∙+ (–2)2 ∙ 0,6 – ( – 1,3) 2 = 0,89;
σξ = = = 0,9
D(h) = M(h2) – (Mh)2 = 42 ∙ 0,5 + 52 ∙ 0,5 – 4,52 = 0,25;
σh = = = 0,5. Следовательно,
= .
Определение. Если rxh = 0, то случайные величины x иh называются некоррелированными. Если rxh ≠ 0, то случайные величины x иh называются коррелированными.
Величина rxh характеризует степень зависимости случайных величин x иh, причём не любой зависимости, а только линейной, проявляющейся в том, что при возрастании одной случайной величины другая проявляет тенденцию также возрастать (при rxh > 0) или убывать (при rxh < 0).
Величина êrxhê характеризует степень тесноты линейной зависимости между случайными величинами x иh. В случае жесткой функциональной зависимости: h = kx+b, k≠0, имеем êrxhê=1. При этом rxh = 1, если k>0, т.е. при возрастании x величинаh тоже возрастает; êrxhê = – 1, если k<0, т.е. при возрастании x величинаh убывает. При k=0 линейной зависимости между случайными величинами x иh нет и rxh = 0.
Из независимости случайных величин x иh следует их некоррелированность, но из некоррелированности случайных величин x иh (rxh = 0) ещё не вытекает их независимость. Равенство rxh = 0 означает только отсутствие линейной связи между x иh, любой другой вид связи может при этом присутствовать.
Выпишем и запомним ещё одно свойство дисперсии, но уже для зависимых случайных величин x иh:
D(x +h) = Dx + Dh + 2∙cov(x,h).
Дата добавления: 2021-11-16; просмотров: 83;