Часовой пояс: UTC + 3 часа [ Летнее время ]

Многомерные случайные величины
Онлайн-сервисы Нахождение НОД и НОК Разложение числа на простые множители Сравнения по модулю Операции над множествами Операции над векторами Разложение вектора по базису. Доказательство, что векторы образуют базис Чертёж треугольника по координатам вершин Решение треугольника Решение Пирамиды Построение Пирамиды по координатам вершин Чертёж многоугольника по координатам вершин Решение систем методом Крамера и Матричным Онлайн построение графика кривой 2-го порядка Определение вида кривой или поверхности 2-го порядка по инвариантам МНК и регрессионный анализ Онлайн + графики Онлайн число, сумма и дата прописью Алгоритмы JavaScript Алгоритмы поиска Алгоритмы сортировки Уникальные элементы массива Объединение, пересечение и разность массивов НОД и НОК Операции над матрицами Дата прописью Введение в анализ Функции: понятие, определение, графики Непрерывность функции Исследование функции и построение графика Теория множеств Множества: понятие, определение, примеры Точечные множества Замкнутые и открытые множества Мера множества Группы, кольца, поля в математике Поле комплексных чисел Кольцо многочленов Основная теорема алгебры и ее следствия Математическая логика Алгебра высказываний Аксиоматика и логические рассуждения Методы доказательств теорем Алгебра высказываний и операции над ними Формулы алгебры высказываний Тавтологии алгебры высказываний Логическая равносильность формул Нормальные формы для формул высказываний Логическое следование формул Приложение алгебры высказываний для теорем Дедуктивные и индуктивные умозаключения Решение логических задач Принцип полной дизъюнкции Булевы функции Множества, отношения и функции в логике Булевы функции от одного и двух аргументов Булевы функции от n аргументов Системы булевых функций Применение булевых функций к релейно-контактным схемам Релейно-контактные схемы в ЭВМ Практическое применение булевых функций Теория формального Формализованное исчисление высказываний Полнота и другие свойства формализованного исчисления высказываний Независимость системы аксиом формализованного исчисления высказываний Логика предикатов Логика предикатов Логические операции над предикатами Кванторные операции над предикатами Формулы логики предикатов Тавтологии логики предикатов Преобразования формул и следование их предикатов Проблемы разрешения для общезначимости и выполнимости формул Применение логики предикатов в математике Строение математических теорем Аристотелева силлогистика и методы рассуждений Принцип полной дизъюнкции в предикатной форме Метод полной математической индукции Необходимые и достаточные условия Логика предикатов и алгебра множеств Формализованное исчисление предикатов Неформальные и формаль- ные аксиоматические теории Неформальные аксиоматические теории Свойства аксиоматических теорий Формальные аксиоматические теории Формализация теории аристотелевых силлогизмов Свойства формализованного исчисления предикатов Формальные теории первого порядка Формализация математической теории Теория алгоритмов Интуитивное представление об алгоритмах Машины Тьюринга и тезис Рекурсивные функции Нормальные алгоритмы Маркова Разрешимость и перечислимость множеств Неразрешимые алгоритмические проблемы Теорема Гёделя о неполноте формальной арифметики Математическая логика и компьютеры Математическая логика и языки программирования Применение компьютеров для доказательства теорем математической логики Математическая логика и логическое программирование Математическая логика и информатика Математическая логика и искусственный интеллект Дискретная математика Множества и отношения Теория множеств: понятия и определения Операции над множествами Кортеж и декартово произведение множеств Соответствия и бинарные отношения на множествах Операции над соответствиями на множествах Семейства множеств Специальные свойства бинарных отношений Отношения эквивалентности на множестве Упорядоченные множества Теорема о неподвижной точке Мощность множества Парадокс Рассела Метод характеристических функций Группы и кольца Алгебраические структуры и операции Группоиды, полугруппы, группы Кольца, тела, поля Области целостности в теории колец Модули и линейные пространства Подгруппы и подкольца Теорема Лагранжа о порядке конечной группы Гомоморфизмы групп и нормальные делители Гомоморфизмы и изоморфизмы колец Алгебра кватернионов Полукольца и булевы алгебры Полукольца: определение, аксиомы, примеры Замкнутые полукольца Полукольца и системы линейных уравнений Булевы алгебры и полукольца Решетки и полурешетки Алгебраические системы Алгебраические системы: модели и алгебры Подсистемы алгебраических систем Конгруэнции и фактор-системы Гомоморфизмы алгебраических систем Прямые произведения алгебраических систем Конечные булевы алгебры Многосортные алгебры Теория графов Теория графов: основные понятия и определения Способы представления графов Неориентированные и ориентированные деревья Остовное дерево и алгоритм Краскала Методы систематического обхода вершин графа Алгоритмы поиска в глубину и ширину в графах Задача о путях во взвешенных ориентированных графах Изоморфизм, гомоморфизм и автоморфизм графов Топологическая сортировка вершин графа Элементы цикломатики в теории графов Булева алгебра и функции Булевы функции и булев куб Таблицы булевых функций и булев оператор Равенство булевых функций. Фиктивные переменные Формулы и суперпозиции булевых функций Дизъюнктивные и конъюнктивные нормальные формы Построение минимальных ДНФ Теорема Поста и классы Критерий Поста Схемы из функциональных элементов Конечные автоматы и регулярные языки Конечные автоматы и регулярные языки Алфавит, слово, язык в программировании Порождающие грамматики (грамматики Хомского) Классификация грамматик и языков Регулярные языки и регулярные выражения Конечные автоматы Допустимость языка конечным автоматом Теорема Клини Детерминизация конечных автоматов Минимизация конечных автоматов Лемма о разрастании для регулярных языков Обоснование алгоритма детерминизации автоматов Конечные автоматы с выходом Морфизмы и конечные подстановки Машины Тьюринга Контекстно-свободные языки Контекстно-свободные языки и грамматики Приведенная форма КС-грамматики Лемма о разрастании для КС-языков Магазинные автоматы (автомат с магазинной памятью) Алгоритм построения МП-автомата по КС-грамматике Алгоритм построения КС-грамматики по МП-автомату Алгебраические свойства КС-языков Основное свойство суперпозиции КС-языков Пересечение контекстно-свободных языков Методы синтаксического анализа КС-языков Восходящий синтаксический анализ и LR(k)-грамматики Семантика формальных языков Принцип индукции по неподвижной точке Графовое представление МП-автоматов Интегральное исчисление Неопределённый и определённый Неопределенный и определенный интегралы Свойства интегралов Интегрирование по частям Интегрирование методом замены переменной Интегрирование различных рациональных функций Интегрирование различных иррациональных функций Интегрирование различных тригонометрических функций Определенный интеграл и его основные свойства Необходимое и достаточное условие интегрируемости Теоремы существования первообразной Свойства определенных интегралов Несобственные интегралы Интегральное определение логарифмической функции Приложения интегралов Вычисление площадей плоских фигур Площади фигур в различных координатах Вычисление объемов тел с помощью интегралов Объём тела вращения Вычисление длин дуг кривых Формулы длины дуги регулярной кривой Кривизна плоской кривой Площадь поверхности вращения тела Интегралы в физике Статические моменты и координаты центра тяжести Теоремы Гульдина–Паппа Вычисление моментов инерции Другие приложения интегралов в физике Основные интегралы Интеграл Ньютона-Лейбница Интеграл Римана Интеграл Лебега Вариационное исчисление Примеры вариационных задач Дифференциальное уравнение Эйлера Функционалы, зависящие от нескольких функций Задача о минимуме кратного интеграла Финансовый анализ Анализ эффективности Критерии и показатели эффективности предприятия Методы анализа эффективности деятельности Факторный анализ прибыли от операционной деятельности Анализ безубыточности предприятия Операционный рычаг и эффект финансового рычага Анализ и оценка состава, структуры и динамики доходов и расходов Анализ рентабельности и резервов устойчивого роста капитала Анализ распределения прибыли предприятия Анализ и оценка чувствительности показателей эффективности Анализ устойчивости Финансовая устойчивость и долгосрочная платежеспособность Характеристика типов финансовой устойчивости Рыночная активность Финансовый анализ рыночной активности Методика анализа рыночной активности Анализ и оценка дивидендного дохода на одну акцию Инвестиционная деятельность Инвестиции: экономическая сущность и классификация Государственное регулирование инвестиционной деятельности Источники финансовых ресурсов на капитальные вложения Инвестиции в основные фонды Оценка состояния основных фондов Амортизация основных фондов Капитальное строительство в инвестиционном процессе Планирование инвестиций в форме капитальных вложений Экономическая эффективность инвестиций Финансирование капитальных вложений Кредитование капитальных вложений Кредитоспособность Финансирование и кредитование затрат Финансирование и кредитование инвестиционной деятельности потребительской кооперации Финансирование и кредитование капитальных вложений потребительской кооперации Инвестиционное строительное проектирование Анализ инвестиций Инвестиции и инвестиционная деятельность предприятия Задачи финансового анализа инвестиций предприятия Учет фактора времени в инвестиционной деятельности Аннуитет и финансовая рента в инвестициях Учет фактора инфляции при инвестировании Оценка фактора риска инвестиционного проекта Методы оценки эффективности инвестиций Показатели эффективности инвестиционного проекта Стоимость компании Концепция построения международных стандартов финансовой отчетности (МСФО) Экономическое содержание международных стандартов финансовой отчётности Цели и принципы оценки стоимости акций и активов компании Оценка акций и активов предприятия по справедливой стоимости Методы оценки справедливой стоимости акций предприятия Затратный подход к оценки стоимости компаний и акций Сравнительный подход к оценки стоимости предприятий и акций Доходный подход к оценке стоимости компании и акций Выбор ставки дисконтирования при инвестировании в акции Метод капитализации прибыли Сравнение подходов к оценке стоимости компаний и пакетов акций Форвардные контракты Форвардный контракт и цена Форвардная цена акции на бирже Цена форвардного контракта инвестора Форвардная цена акции с учетом величины дивиденда Форвардная цена акции с учетом ставки дивиденда Форвардная цена валюты на рынке форекс Форвардный валютный курс и инфляция на рынке Форвардная цена товара и спотовый рынок Форвардная цена при различии ставок по кредитам и депозитам Синтетический форвардный контракт на акции и валюту Теория вероятностей Основные понятия теории вероятностей Зависимые и независимые случайные события Повторные независимые испытания Формула Бернулли Одномерные случайные величины Многомерные случайные величины Функции случайных величин Законы распределения целочисленных случайных величин Законы распределения непрерывных случайных величин Предельные теоремы теории вероятностей Закон больших чисел и предельные теоремы Вероятностные закономерности Математическая статистика Элементы математической статистики Выборочный метод Оценки параметров генеральной совокупности Статистические гипотезы Критерии согласия Теоретические и эмпирические частоты Теория очередей (СМО) Определение системы массового обслуживания Уравнения Колмогорова Предельные вероятности состояний Определение СМО с отказами Определение СМО с ожиданием (очередью) Аналитическая геометрия Векторная алгебра Метрические понятия и аксиомы геометрии Равенство и подобие геометрических фигур Бинарные отношения Вектор, его направление и длина Линейные операции над векторами Линейная зависимость и независимость векторов Отношение коллинеарных векторов Проекции векторов на прямую и на плоскость Угол между векторами Ортогональные проекции векторов Координата вектора на прямой и базис Координаты вектора на плоскости и базис Координаты вектора в пространстве и базис Операции над векторами в координатной форме Ортогональный и ортонормированный базисы Cкалярное произведение векторов и его свойства Выражение скалярного произведения через координаты векторов Векторное произведение векторов и его свойства Смешанное произведение векторов и его свойства Ориентированные площади и объемы Двойное векторное произведение и его свойства Применение векторов в задачах на аффинные свойства фигур Применение произведений векторов при решении геометрических задач Применение векторной алгебры в механике Системы координат Прямоугольные координаты Преобразования прямоугольных координат Полярная система координат Цилиндрическая система координат Сферические координаты Аффинные координаты Аффинные преобразования координат Аффинные преобразования плоскости Примеры аффинных преобразований плоскости Аффинные преобразования пространства Многомерное координатное пространство Линейные и аффинные подпространства Скалярное произведение n-мерных векторов Преобразования систем координат Геометрия на плоскости Алгебраические линии на плоскости Общие уравнения геометрических мест точек Алгебраические уравнения линий на плоскости Уравнения прямой, проходящей через точку перпендикулярно вектору Уравнения прямой, проходящей через точку коллинеарно вектору Уравнения прямой, проходящей через две точки Уравнения прямой с угловым коэффициентом Взаимное расположение прямых Примеры задач с прямыми на плоскости Системы неравенств с двумя неизвестными Системы линейных уравнений с двумя неизвестными Линии 2-го порядка Канонические уравнения линий второго порядка Порядок приведения уравнения линии к каноническому виду Эллипс Гипербола Парабола Квадратичные неравенства с двумя неизвестными Применение линий 1-го и 2-го порядков в задачах на экстремум функций Инварианты линий Классификация линий 2-го порядка по инвариантам Приведение уравнения линии к каноническому виду по инвариантам Геометрия в пространстве Способы задания ГМТ в пространстве Алгебраические уравнения поверхностей Уравнения плоскости, проходящей через точку перпендикулярно вектору Уравнения плоскости, компланарной двум неколлинеарным векторам Уравнения плоскости, проходящей через три точки Взаимное расположение плоскостей Типовые задачи с плоскостями Уравнения прямых в пространстве Взаимное расположение прямых в пространстве Типовые задачи с прямыми в пространстве Поверхности 2-го порядка Канонические уравнения поверхностей Порядок приведения уравнения поверхности к каноническому виду Поверхности второго порядка Эллипсоиды Гиперболоиды Конусы Параболоиды Применение поверхностей 1-го и 2-го порядков в задачах на экстремум функций Инварианты поверхностей Классификация поверхностей 2-го порядка по инвариантам Квадратичные неравенства с тремя неизвестными Приведение уравнения поверхности к канониче-скому виду по инвариантам Линейная алгебра Матрицы и операции Линейные операции над матрицами Умножение матриц Возведение матриц в степень Многочлены от матриц Транспонирование и сопряжение матриц Блочные матрицы Произведение и сумма матриц Кронекера Метод Гаусса приведения матрицы к ступенчатому виду Элементарные преобразования матриц Определители Определители матриц и их основные свойства Формула полного разложения определителя Формула Лапласа полного разложения определителя Определитель произведения матриц Методы вычисления определителей Ранг матрицы Линейная зависимость и линейная независимость строк (столбцов) матрицы Ранг матрицы и базисный минор матрицы Методы вычисления ранга матрицы Ранг системы столбцов (строк) Обратная матрица Обратные матрицы и их свойства Ортогональные и унитарные матрицы Способы нахождения обратной матрицы Матричные уравнения Односторонние обратные матрицы Скелетное разложение матрицы Полуобратная матрица Псевдообратная матрица Системы уравнений Системы линейных алгебраических уравнений Метод Гаусса решения систем линейных уравнений Структура общего решения системы уравнений Решение систем с помощью полуобратных матриц Псевдорешения системы линейных уравнений Функциональные матрицы Функциональные матрицы скалярного аргумента Производные матриц по векторному аргументу Линейные и квадратичные формы и их преобразования Приведение форм к каноническому виду Закон инерции вещественных квадратичных форм Знакоопределенность форм вещественных квадратичных Формы и исследование функций на экстремум Многочленные матрицы Многочленные матрицы (лямбда-матрицы) Операции над лямбда-матрицами Простые преобразования многочленных матриц Инвариантные множители многочленной матрицы Функции от матриц Собственные векторы и значения матрицы Подобие числовых матриц Характеристический многочлен матрицы Минимальный многочлен матрицы Теорема Гамильтона-Кэли Жорданова форма матрицы Приведение матрицы к жордановой форме Многочлены от матриц Применение многочленов от матриц Функции от матриц Линейные пространства Линейные пространства: определение и примеры Линейная зависимость и независимость n-мерных векторов Размерность и базис линейного пространства Преобразования координат в линейном пространстве Изоморфизм линейных пространств Подпространства Подпространства линейного пространства Пересечение и сумма подпространств Способы описания подпространств Нахождение дополнения и суммы подпространств Нахождение пересечения подпространств Линейные отображения Линейные многообразия Линейные отображения Матрица линейного отображения Ядро и образ линейного отображения Линейные операторы Линейные операторы (преобразования) Инвариантные подпространства Собственные векторы и значения оператора Свойства собственных векторов операторов Канонический вид линейного оператора Методика приведения линейного преобразования к каноническому виду Евклидовы пространства Евклидовы пространства Ортогональные векторы евклидова пространства Ортогональный базис евклидова пространства Ортонормированный базис евклидова пространства Ортогональные дополнения в евклидовом пространстве Задача о перпендикуляре Матрица и определитель Грама и его свойства Линейные преобразования евклидовых пространств Канонический вид ортогонального оператора евклидова пространства Сопряженные операторы евклидова пространства Самосопряженные операторы евклидова пространства Приведение квадратичной формы к главным осям Унитарные пространства и их линейные преобразования Комплексный анализ Комплексные числа Комплексные числа в алгебраической форме Комплексные числа в тригонометрической и показательной формах Множества на комплексной плоскости Последовательности и ряды комплексных чисел Комплексные функции Функции комплексного переменного. Предел, непрерывность и производная Элементарные функции комплексного переменного Дифференцирование функций комплексного переменного Аналитические функции и их свойства Конформные отображения и их свойства Интегрирование функций комплексного переменного Функциональные ряды в комплексной области Функциональные ряды и последовательности Степенные ряды и их свойства Разложение функций в степенные ряды Нули аналитических функций Ряд Лорана и разложение функций по целым степеням Особые точки, Вычеты Изолированные особые точки функций и полюсы Вычеты и их применение Вычисление интегралов с помощью вычетов Вычеты и расположение нулей многочлена Операционное исчисление Преобразование Лапласа и его свойства Решение ДУ операционным методом Анализ выходных процессов линейных стационарных систем Z-преобразование и его свойства Дифференциальные уравнения ДУ первого порядка Основные понятия и определения ДУ Метод изоклин для ДУ 1-го порядка Метод последовательных приближений ДУ с разделяющимися переменными Однородные ДУ Линейные ДУ 1-го порядка Дифференциальное уравнение Бернулли ДУ в полных дифференциалах Интегрирующий множитель ДУ, не разрешенные относительно производной Дифференциальное уравнение Риккати Составление ДУ семейств линий Задачи на траектории Особые решения ДУ ДУ высших порядков Понятия и определения ДУ высших порядков ДУ, допускающие понижение порядка Линейная независимость функций Определители Вронского и Грама Однородные и неоднородные дифференциальные уравнения Задача Коши и Уравнение Эйлера Линейные ДУ с переменными коэффициентами Метод Лагранжа решения ДУ Краевые задачи для ДУ высших порядков Разложение решения ДУ в степенной ряд Разложение решения ДУ в обобщенный степенной ряд Нахождение периодических решений ДУ Асимптотическое интегрирование ДУ Системы ДУ Системы ДУ: понятия и определения Сведение системы ДУ к одному уравнению Нахождение интегрируемых комбинаций Интегрирование однородных линейных систем ДУ Методы интегрирования неоднородных систем ДУ Преобразование Лапласа и решение ДУ и систем Теория устойчивости Устойчивость решений ДУ по Ляпунову Простейшие типы точек покоя Метод функций Ляпунова Устойчивость решений ДУ по первому приближению Критерии устойчивости Рауса–Гурвица и Михайлова ДУ с малым параметром при производной Численные методы Методы алгебры Численные методы линейной алгебры Численные методы решения СЛАУ Итерационный метод Шульца обратной матрицы Методы решения задач о собственных значениях и векторах матрицы Методы решения нелинейных уравнений Методы решения систем нелинейных уравнений Методы теории приближений Методы приближения сеточных функций Методы функциональной интерполяции Методы интегрально-дифференциальной интерполяции Методы интегрального сглаживания Методы интерполяции и сглаживания сплайнами Методы численного дифференцирования и интегрирования Методы численного дифференцирования Методы численного интегрирования Методы решения обыкновенных ДУ Численные методы решения задачи Коши Разностные схемы для решения задачи Коши Составные схемы для решения задачи Коши Экстраполяционные методы решения задачи Коши Непрерывно-дискретные методы решения задачи Коши Численные методы решения краевых задач Методы решения ДУ в частных производных Численные методы решения уравнений математической физики с двумя переменными Принципы построения разностных схем для уравнений в частных производных Разностные схемы решения уравнений в частных производных 1-го порядка Разностные схемы решения уравнений в частных производных 2-го порядка Численные методы решения уравнений в частных производных Численные методы решения уравнений математической физики с тремя переменными	Многомерные случайные величины Определение многомерной случайной величины и закон ее распределения. Система двух дискретных случайных величин, числовые характеристики системы, корреляционный момент, коэффициент корреляции и его свойство. Функция распределения вероятностей и плотность вероятностей системы, их свойства. Числовые характеристики системы двух непрерывных случайных величин. Условные законы распределения и их числовые характеристики. Определение корреляционной зависимости. Система n случайных величин, числовые характеристики системы, корреляционная матрица, нормированная корреляционная матрица. Многомерная случайная величина При изучении случайных явлений в зависимости от их сложности иногда приходится использовать две, три и более случайных величин. Например, точка попадания снаряда определяется не одной, а двумя случайными величинами: абсциссой и ординатой. При различных измерениях очень часто имеем дело с двумя или тремя случайными величинами. Совместное рассмотрение двух или нескольких случайных величин приводит к понятию системы случайных величин. Условимся систему нескольких случайных величин $X,Y,\ldots,W$ обозначать $(X,Y,\ldots,W)$ . Такая система называется также многомерной случайной величиной. При изучении системы случайных величин недостаточно изучить отдельно случайные величины, составляющие систему, а необходимо учитывать связи или зависимости между этими величинами. При рассмотрении системы случайных величин удобно пользоваться геометрической интерпретацией системы. Например, систему двух случайных величин $(X,Y)$ можно рассматривать как случайную точку на плоскости $XOY$ с координатами $X$ и $Y$ или как случайный вектор на плоскости со случайными составляющими $X$ и $Y$ . По аналогии систему $n$ случайных величин можно рассматривать как случайную точку в $n$ -мерном пространстве или как n-мерный случайный вектор. При изучении систем случайных величин ограничимся подробным рассмотрением системы двух случайных величин. Закон распределения вероятностей системы случайных величин Законом распределения системы случайных величин называется соотношение, устанавливающее связь между областями возможных значений системы случайных величин и вероятностями появления системы в этих областях. Так же, как и для одной случайной величины, закон распределения системы случайных величин может быть задан в различных формах. Рассмотрим таблицу распределения вероятностей системы дискретных случайных величин. Пусть $X$ и $Y$ — дискретные случайные величины, возможные значения которых $(x_i,y_j)$ , где $i=1,2,\ldots,n;~j=1,2,\ldots,m$ Тогда распределение системы таких случайных величин может быть охарактеризовано указанием вероятностей $p_{i,j}=P\{X=x,Y=y\}$ того, что случайная величина $X$ примет значение $x_i$ и одновременно с этим случайная величина $Y$ примет значение $y_j$ . Вероятности $p_{i,j}$ фиксируют в таблице. Такая таблица называется таблицей распределения системы двух дискретных случайных величин с конечным числом возможных значений. Все возможные события $\{X=x_i,Y=y_j\}$ при $i=1,2,\ldots,n$ $j=1,2,\ldots,m$ составляют полную группу несовместных событий, поэтому $\sum\limits_{i,j}p_{i,j}=\sum\limits_{i,j}P\{X=x_i,Y=y_j\}=1$ При этом $\begin{aligned}\sum\limits_{j}p_{i,j}&=\sum\limits_{j}P\{X=x_i,Y=y_j\}=P\{X=x_i\};\\[2pt] \sum\limits_{i}p_{i,j}&=\sum\limits_{i}P\{X=x_i,Y=y_j\}=P\{Y=y_j\}.\end{aligned}$ Функция распределения Функцией распределения вероятностей системы двух случайных величин называется функция двух аргументов $F(x;y)$ , равная вероятности совместного выполнения двух неравенств $X<x$ и $Y<y$ , т. е. $F(x;y)=P\{X<x,\,Y<y\}.$ Геометрически функцию распределения системы двух случайных величин можно интерпретировать как вероятность попадания случайной точки $(X,Y)$ в левый нижний бесконечный квадрант плоскости (рис. 14) с вершиной в точке $(x,y)$ . Сформулируем основные свойства функции распределения вероятностей системы двух случайных величин. Свойство 1. $\lim_{y\to+\infty}F(x;y)=F_1(x);\qquad \lim_{x\to+\infty}F(x;y)=F_2(y)$ или символически $F(x;+\infty)=F_1(x);\qquad F(+\infty;y)=F_2(y)$ Свойство 2. $\lim_{\substack{x\to+\infty\\y\to+\infty}}F(x;y)=1$ или $F(+\infty;+\infty)=1$ Свойство 3. $\lim_{x\to-\infty}F(x;y)=\lim_{y\to-\infty}F(x;y)=\lim_{\substack{x\to-\infty\\y\to-\infty}}F(x;y)=0.$ или $F(-\infty;y)=F(x,-\infty)=F(-\infty;-\infty)=0.$ Свойство 4. Функция распределения является неубывающей функцией по каждому аргументу: $F(x_2;y)\geqslant{F(x_1;y)}\quad \text{if}\quad x_2>x_1;\qquad F(x;y_2)\geqslant{F(x;y_1)}\quad \text{if}\quad y_2>y_1.$ Свойство 5. Вероятность попадания случайной точки $(X,Y)$ в произвольный прямоугольник со сторонами, параллельными координатным осям (рис. 15), вычисляется, по формуле $P\{a\leqslant{X}<b,c\leqslant{Y}<d\}=F(b,d)-F(a,d)-F(b,c)+F(a,c).$ Плотность распределения вероятностей системы двух случайных величин Предположим, что функция распределения $F(x,y)$ непрерывна и дважды дифференцируема. Тогда смешанная частная производная функции $F(x,y)$ $f(x,y)=\frac{\partial^2F(x,y)}{\partial{x}\partial{y}}=F''_{xy}(x,y).$ Функция $f(x,y)$ называется плотностью распределения системы непрерывных случайных величин $(X,Y)$ . Зная плотность распределения $f(x,y)$ , можно определить вероятность попадания случайной точки $(X,Y)$ в произвольную область $D:$ $P\{(X,Y)\subset{D}\}=\iint\limits_{D}f(x,y)\,dxdy\,.$ (5.1) Используя формулу (5.1), выразим функцию распределения системы $F(x,y)$ через плотность распределения $f(x,y)$ : $F(x,y)=\int\limits_{-\infty}^{x}\int\limits_{-\infty}^{y}f(x,y)\,dxdy\,.$ (5.2) Рассмотрим свойства плотности распределения системы двух случайных величин. Свойство 1. Плотность распределения есть функция неотрицательная: $f(x,y)\geqslant0$ . Свойство 2. Двойной несобственный интеграл с бесконечными пределами от плотности распределения системы равен единице: $\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty} f(x,y)\,dxdy=1.$ Пример 1. Плотность распределения системы двух случайных величин $(X,Y)$ задана выражением $f(x,y)=\frac{a}{1+x^2+x^2y^2+y^2}.$ Найти параметр $a$ . Определить функцию распределения $F(x,y)$ и вероятность попадания случайной точки в прямоугольник с вершинами $O(0;0),\,A(0;1),\,B(\sqrt{3};0)$ и $C(\sqrt{3};0)$ . Решение. Использовав свойство 2 плотности распределения, найдем постоянную величину $a:$ $\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\frac{a}{1+x^2+x^2y^2+y^2}\,dxdy=a\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\frac{dxdy}{(1+x^2)(1+y^2)}=$ $=a\int\limits_{-\infty}^{+\infty}\frac{dx}{1+x^2}\int\limits_{-\infty}^{+\infty}\frac{dy}{1+y^2}=a\,\Bigl.{\operatorname{arctg}x}\Bigl\|_{-\infty}^{+\infty}\,\Bigl.{\operatorname{arctg}y}\Bigl\|_{-\infty}^{+\infty}=a\pi^2.$ Следовательно, $a=\frac{1}{\pi^2}$ . Функцию распределения $F(x,y)$ определим по формуле (5.2): $F(x,y)=\frac{1}{\pi^2}\int\limits_{-\infty}^{x}\int\limits_{-\infty}^{y}\frac{dx\,dy}{(1+x^2)(1+y^2)}=\left(\frac{1}{\pi}\,\operatorname{arctg}x+\frac{1}{2}\right)\!\!\left(\frac{1}{\pi}\operatorname{arctg}y+\frac{1}{2}\right).$ Согласно формуле (5.1) вероятность попадания случайной точки $(X,Y)$ в заданный прямоугольник $\begin{aligned}P\{(X,Y)\subset{D}\}&=\frac{1}{\pi^2}\iint\limits_{D}\frac{dxdy}{(1+x^2)(1+y^2)}=\frac{1}{\pi^2}\int\limits_{0}^{\sqrt{3}}\frac{dx}{1+x^2}\int\limits_{0}^{1}\frac{dy}{1+y^2}=\\[2pt] &=\frac{1}{\pi^2}\cdot\Bigl.{\operatorname{arctg}x}\Bigl\|_{0}^{\sqrt{3}}\,\Bigl.{\operatorname{arctg}y}\Bigl\|_{0}^{1}= \frac{1}{\pi^2}\cdot\frac{\pi}{3}\cdot\frac{\pi}{4}=\frac{1}{12}.\end{aligned}$ Условные законы распределения Пусть известна плотность распределения системы двух случайных величин. Используя свойства функций распределения, можно вывести формулы для нахождения плотности распределения одной величины, входящей в систему: $\begin{aligned}f_1(x)&= F'_1(x)=\int\limits_{-\infty}^{+\infty} f(x,y)\,dy\,;\\[2pt] f_2(y)&= F'_2(y)=\int\limits_{-\infty}^{+\infty} f(x,y)\,dx\,.\end{aligned}$ (5.3) Перейдем теперь к решению обратной задачи: по известным законам распределения отдельных величин, входящих в систему, найти закон распределения системы. Легко увидеть, что в общем случае эта задача неразрешима. Действительно, с одной стороны, законы распределения отдельных случайных величин, входящих в систему, характеризуют каждую из случайных величин в отдельности, но ничего не говорят о том, как они взаимосвязаны. С другой стороны, искомый закон распределения системы должен содержать все сведения о случайных величинах системы, в том числе и о характере связей между ними. Таким образом, если случайные величины $X,Y$ взаимозависимы, то закон распределения системы не может быть выражен через законы распределения отдельных случайных величин, входящих в систему. Это приводит к необходимости введения условных законов распределения. Распределение одной случайной величины, входящей в систему, найденное при условии, что другая случайная величина, входящая в систему, приняла определенное значение, называется условным законом распределения. Условный закон распределения можно задавать как функцией распределения, так и плотностью распределения. Условная функция распределения обозначается $F(x\mid y)$ , условная плотность распределения — $f(x\mid y)$ (мы записали условные законы распределения случайной величины $X$ при условии, что другая случайная величина $Y$ приняла определенное значение). Плотностью распределения для случайной величины $X$ при условии, что случайная величина $Y$ приняла определенное значение (условной плотностью распределения), назовем величину $f(x\mid y)=\frac{f(x,y)}{f_2(y)}\,.$ Аналогично плотностью распределения для случайной величины $Y$ при условии, что случайная величина $X$ приняла определенное значение, назовем величину $f(y\mid x)=\frac{f(x,y)}{f_1(x)}$ . Отсюда получаем $f(x,y)=f_1(x)f(y\mid x)=f_2(y)f(x\mid y)$ . или с учетом формул (5.3) $f(x\mid y)=\dfrac{f(x,y)}{\int\limits_{-\infty}^{+\infty}f(x,y)\,dx};\qquad f(y\mid x)=\dfrac{f(x,y)}{\int\limits_{-\infty}^{+\infty}f(x,y)\,dy}.$ Условная плотность распределения обладает всеми свойствами безусловной плотности распределения. В частности, $\int\limits_{-\infty}^{+\infty}f(x\mid y)\,dx=1;\qquad\int\limits_{-\infty}^{+\infty}f(y\mid x)\,dy=1.$ Числовые характеристики условных законов распределения Для описания условных законов распределения можно использовать различные характеристики подобно тому, как для одномерных распределений. Наиболее важной характеристикой является условное математическое ожидание. Условным математическим ожиданием дискретной случайной величины $X$ при $Y=y$ ( $Y$ — определенное возможное значение случайной величины $Y$ ) называется сумма произведений возможных значений $X$ на их условные вероятности: $M(x\mid y)=\sum\limits_{i=1}^{n}x_iP(x_i\|y).$ Для непрерывных случайных величин, где $f(x\mid y)$ — условная плотность распределения случайной величины $X$ при $Y=y:$ $M(x\mid y)=\int\limits_{-\infty}^{+\infty}xf(x\mid y)\,dx.$ Аналогично условным математическим ожиданием дискретной случайной величины $Y$ при $X=x$ называется сумма произведений возможных значений $Y$ на их условные вероятности: $M(y\mid x)=\sum\limits_{j=1}^{n}y_jP(y_j\|x).$ Для непрерывных случайных величин, где $f(y\mid x)$ — условная плотность распределения случайной величины $Y$ при $X=x:$ $M(y\mid x)=\int\limits_{-\infty}^{+\infty}yf(y\mid x)\,dy.$ Аналогично вводятся условные дисперсии и условные моменты более высоких порядков. Числовые характеристики системы двух случайных величин Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие возможные значения приняла другая величина. Из этого определения следует, что условные распределения независимых величин равны их безусловным распределениям. Укажем необходимые и достаточные условия независимости случайных величин. Теорема 5.1. Для того чтобы случайные величины $X$ и $Y$ были независимыми, необходимо и достаточно, чтобы функция распределения системы $(X,Y)$ была равна произведению функций распределения составляющих: $F(x,y)=F_1(x)F_2(y).$ Теорема 5.2. Для того чтобы непрерывные случайные величины $X$ и $Y$ были независимыми, необходимо и достаточно, чтобы плотность вероятности системы $(X,Y)$ была равна произведению плотностей вероятностей составляющих: $f(x,y)=f_1(x)f_2(y).$ Для описания системы двух случайных величин кроме математических ожиданий и дисперсий составляющих используют и другие характеристики, к которым относятся корреляционный момент и коэффициент корреляции. Корреляционным моментом $\mu_{xy}$ случайных величин $X$ и $Y$ называют математическое ожидание произведения отклонений этих величин: $\mu_{xy}=M((X-M(X))(Y-M(Y))).$ Для вычисления корреляционного момента дискретных величин используют формулу $\mu_{xy}=\sum\limits_{i=1}^{n}\sum\limits_{j=1}^{m}(x_i-M(X))(y_j-M(Y))P(x_i,y_j).$ а для непрерывных величин $\mu_{xy}=\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}(x-M(X))(y-M(Y))f(x,y)\,dxdy.$ Корреляционный момент служит для характеристики связи между величинами $X$ и $Y$ . Теорема 5.3. Корреляционный момент двух независимых случайных величин $X$ и $Y$ равен нулю. Из теоремы 5.3 следует, что если корреляционный момент двух случайных величин $X$ и $Y$ не равен нулю, то $X$ и $Y$ — зависимые случайные величины. Коэффициентом корреляции $r_{xy}$ случайных величин $X$ и $Y$ называют отношение корреляционного момента к произведению средних квадратических отклонений этих величин: $r_{xy}=\frac{\mu_{xu}}{\sigma_x\sigma_y}.$ Очевидно, коэффициент корреляции двух независимых случайных величин равен нулю (так как $\mu_{xy}=0$ ). Коррелированность и зависимость случайных величин Две случайные величины $X$ и $Y$ называют коррелированными, если их корреляционный момент (или коэффициент корреляции) отличен от нуля; $X$ и $Y$ называют некоррелированными величинами, если их корреляционный момент равен нулю. Две коррелированные величины также и зависимы. Обратное утверждение не всегда имеет место, т. е. если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными. Другими словами, корреляционный момент двух зависимых величин может быть не равен нулю, но может и равняться нулю. Функция и плотность распределения системы случайных величин На практике очень часто приходится рассматривать системы более чем двух случайных величин. Функция распределения системы нескольких случайных величин вводится как обобщение функции распределения системы двух случайных величин. Так, функцией распределения системы $n$ случайных величин $(X_1,X_2,\ldots,X_n)$ называется функция $n$ аргументов $x_1,x_2,\ldots,x_n$ равная вероятности совместного выполнения $n$ неравенств $X_i<x_i,~i=1,2,\ldots,n$ , т. е. $F(x_1,x_2,\ldots,x_n)=P\{X_1<x_1,X_2<x_2,\ldots,X_n<x_n\}.$ Эта функция является неубывающей функцией каждой переменной при фиксированных значениях других переменных. Если хотя бы одна из переменных стремится к $-\infty$ , то функция распределения стремится к нулю. Если все переменные стремятся к $+\infty$ , то функция распределения стремится к единице. Функция распределения каждой из величин, входящих в систему, получится, если в функции распределения системы все остальные аргументы положить равными $+\infty$ : $F_1(x_1)=F(x_1,+\infty,\ldots,+\infty).$ Аналогично одномерному случаю можно вывести формулу, связывающую функцию распределения $F(x_1,x_2,\ldots,x_n)$ и плотность вероятности $f(x_1,x_2,\ldots,x_n)$ : $F(x_1,x_2,\ldots,x_n)=\int\limits_{-\infty}^{x_1}\int\limits_{-\infty}^{x_2}\cdots\int\limits_{-\infty}^{x_n} f(x_1,x_2,\ldots,x_n)\,dx_1dx_2 \ldots dx_n,$ или, что то же самое $f(x_1,x_2,\ldots,x_n)=\frac{\partial^nF(x_1,x_2,\ldots,x_n)}{\partial{x_1}\partial{x_2}\cdots\partial{x_n}}.$ Плотность распределения системы случайных величин не может быть отрицательной: $f(x_1,x_2,\ldots,x_n)\geqslant0.$ Вероятность попадания случайной точки с координатами $(X_1,X_2,\ldots,X_n)$ в $n$ -мерную область $D$ выражается интегралом $P\{(X_1,X_2,\ldots,X_n)\subset{D}\}=\mathop{\iint\cdots\int}\limits_D{f(x_1,x_2,\ldots,x_n)\,dx_1dx_2\ldots{dx_n}}.$ Используя свойства плотности функции распределения, получаем: $\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\cdots\int\limits_{-\infty}^{+\infty} f(x_1,x_2, \ldots,x_n)\,dx_1dx_2\ldots dx_n=1.$ Плотность распределения каждой из величин, входящих в систему, получится, если плотность распределения системы проинтегрировать в бесконечных пределах по всем остальным аргументам: $f_1(x_1)=\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\cdots\int\limits_{-\infty}^{+\infty} f(x_1,x_2,\ldots,x_n)\,dx_2dx_3\ldots dx_n.$ Числовые характеристики произвольного числа случайных величин Основными числовыми характеристиками, с помощью которых может быть охарактеризована система $n$ случайных величин $(X_1,X_2,\ldots,X_n)$ , являются следующие: 1) математические ожидания случайных величин, входящих в систему, $m_{x_1},m_{x_2},\ldots,m_{x_n},$ , которые в совокупности определяют математическое ожидание n-мерного случайного вектора; 2) дисперсии $D[X_1],D[X_2],\ldots,D[X_n]$ случайных величин, входящих в систему; 3) корреляционные моменты каждой пары из $n$ случайных величин $\mu_{x_ix_j}=M((X_i-m_{x_i})(X_j-m_{x_j})),~~i\ne{j}$ , характеризующие попарно корреляцию всех случайных величин, входящих в систему. Зная корреляционные моменты, можно найти коэффициенты корреляции $r_{x_ix_j}$ , которые характеризуют степень связи между каждой парой случайных величин $r_{x_ix_j}=\frac{\mu_{x_ix_j}}{\sigma_{x_i}\sigma_{x_j}}\,.$ Так как дисперсия каждой из случайных величин системы $(X_1,X_2,\ldots,X_2)$ есть не что иное, как частный случай корреляционного момента, а именно: корреляционный момент величины $X_i$ и той же величины $X_i$ $\sigma_{x_i}^2=D[X_i]=\mu_{x_ix_j},$ то все корреляционные моменты и дисперсии располагают в виде прямоугольной таблицы, которая называется корреляционной матрицей системы $n$ случайных величин. $\left(\!\begin{array}{{20}{c}}\mu_{x_1x_1}&\mu_{x_1x_2}&\cdots&\mu_{x_1x_n}\\\mu_{x_2x_1}&\mu_{x_2x_2}&\cdots&\mu_{x_2x_n}\\\vdots&\vdots&\ddots&\vdots\\\mu_{x_nx_1}&\mu_{x_nx_2}&\cdots&\mu_{x_nx_n}\\\end{array}\!\right)$ Из определения корреляционного момента следует, что $\mu_{x_ix_j}=\mu_{x_jx_i}$ . Это означает, что элементы корреляционной матрицы, расположенные симметрично по отношению к главной диагонали, равны. В-этой связи часто для простоты в корреляционной матрице заполняют только ее половину: $\left(\!\begin{array}{{20}{c}}\mu_{x_1x_1}& \mu_{x_1x_2}& \cdots&\mu_{x_1x_n}\\&\mu_{x_2x_2}&\cdots&\mu_{x_2x_n}\\&&\cdots&\cdots\\&&&\mu_{x_nx_n}\\\end{array}\!\right)$ Если случайные величины системы некоррелированы, имеем $\mu_{x_ix_j}=0$ при $i\ne{j}$ . Следовательно, корреляционная матрица системы некоррелированных случайных величин имеет вид $\left(\!\begin{array}{{20}{c}}D[X_1]&0&\cdots&0\\ &D[X_2]&\cdots&0\\&&\cdots&\cdots\\&&&D[X_n]\\\end{array}\!\right)$ Такая матрица называется диагональной. Вместо корреляционной матрицы часто используют нормированную корреляционную матрицу. Нормированной корреляционной называется такая матрица, элементами которой являются коэффициенты корреляции. Все элементы главной диагонали нормированной корреляционной матрицы равны единице. Нормированная корреляционная матрица имеет вид $\left(\!\begin{array}{{20}{c}}1&r_{x_1x_2}&\cdots& r_{x_1x_n}\\&1&\cdots&r_{x_2x_n}\\&&\cdots&\cdots\\&&&1\\\end{array}\!\right)$ Математический форум (помощь с решением задач, обсуждение вопросов по математике). Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.

Многомерные случайные величины

Онлайн-сервисы

Нахождение НОД и НОК Разложение числа на простые множители Сравнения по модулю Операции над множествами Операции над векторами Разложение вектора по базису. Доказательство, что векторы образуют базис Чертёж треугольника по координатам вершин Решение треугольника Решение Пирамиды Построение Пирамиды по координатам вершин Чертёж многоугольника по координатам вершин Решение систем методом Крамера и Матричным Онлайн построение графика кривой 2-го порядка Определение вида кривой или поверхности 2-го порядка по инвариантам МНК и регрессионный анализ Онлайн + графики Онлайн число, сумма и дата прописью

Алгоритмы JavaScript

Алгоритмы поиска Алгоритмы сортировки Уникальные элементы массива Объединение, пересечение и разность массивов НОД и НОК Операции над матрицами Дата прописью

Введение в анализ

Функции: понятие, определение, графики Непрерывность функции Исследование функции и построение графика

Теория множеств

Множества: понятие, определение, примеры Точечные множества Замкнутые и открытые множества Мера множества Группы, кольца, поля в математике Поле комплексных чисел Кольцо многочленов Основная теорема алгебры и ее следствия

Математическая логика

Алгебра высказываний

Аксиоматика и логические рассуждения Методы доказательств теорем Алгебра высказываний и операции над ними Формулы алгебры высказываний Тавтологии алгебры высказываний Логическая равносильность формул Нормальные формы для формул высказываний Логическое следование формул Приложение алгебры высказываний для теорем Дедуктивные и индуктивные умозаключения Решение логических задач Принцип полной дизъюнкции

Булевы функции

Множества, отношения и функции в логике Булевы функции от одного и двух аргументов Булевы функции от n аргументов Системы булевых функций Применение булевых функций к релейно-контактным схемам Релейно-контактные схемы в ЭВМ Практическое применение булевых функций

Теория формального

Формализованное исчисление высказываний Полнота и другие свойства формализованного исчисления высказываний Независимость системы аксиом формализованного исчисления высказываний

Логика предикатов

Логика предикатов Логические операции над предикатами Кванторные операции над предикатами Формулы логики предикатов Тавтологии логики предикатов Преобразования формул и следование их предикатов Проблемы разрешения для общезначимости и выполнимости формул Применение логики предикатов в математике Строение математических теорем Аристотелева силлогистика и методы рассуждений Принцип полной дизъюнкции в предикатной форме Метод полной математической индукции Необходимые и достаточные условия Логика предикатов и алгебра множеств Формализованное исчисление предикатов

Неформальные и формаль-
ные аксиоматические теории

Неформальные аксиоматические теории Свойства аксиоматических теорий Формальные аксиоматические теории Формализация теории аристотелевых силлогизмов Свойства формализованного исчисления предикатов Формальные теории первого порядка Формализация математической теории

Теория алгоритмов

Интуитивное представление об алгоритмах Машины Тьюринга и тезис Рекурсивные функции Нормальные алгоритмы Маркова Разрешимость и перечислимость множеств Неразрешимые алгоритмические проблемы Теорема Гёделя о неполноте формальной арифметики

Математическая логика и компьютеры

Математическая логика и языки программирования Применение компьютеров для доказательства теорем математической логики Математическая логика и логическое программирование Математическая логика и информатика Математическая логика и искусственный интеллект

Дискретная математика

Множества и отношения

Теория множеств: понятия и определения Операции над множествами Кортеж и декартово произведение множеств Соответствия и бинарные отношения на множествах Операции над соответствиями на множествах Семейства множеств Специальные свойства бинарных отношений Отношения эквивалентности на множестве Упорядоченные множества Теорема о неподвижной точке Мощность множества Парадокс Рассела Метод характеристических функций

Группы и кольца

Алгебраические структуры и операции Группоиды, полугруппы, группы Кольца, тела, поля Области целостности в теории колец Модули и линейные пространства Подгруппы и подкольца Теорема Лагранжа о порядке конечной группы Гомоморфизмы групп и нормальные делители Гомоморфизмы и изоморфизмы колец Алгебра кватернионов

Полукольца и булевы алгебры

Полукольца: определение, аксиомы, примеры Замкнутые полукольца Полукольца и системы линейных уравнений Булевы алгебры и полукольца Решетки и полурешетки

Алгебраические системы

Алгебраические системы: модели и алгебры Подсистемы алгебраических систем Конгруэнции и фактор-системы Гомоморфизмы алгебраических систем Прямые произведения алгебраических систем Конечные булевы алгебры Многосортные алгебры

Теория графов

Теория графов: основные понятия и определения Способы представления графов Неориентированные и ориентированные деревья Остовное дерево и алгоритм Краскала Методы систематического обхода вершин графа Алгоритмы поиска в глубину и ширину в графах Задача о путях во взвешенных ориентированных графах Изоморфизм, гомоморфизм и автоморфизм графов Топологическая сортировка вершин графа Элементы цикломатики в теории графов

Булева алгебра и функции

Булевы функции и булев куб Таблицы булевых функций и булев оператор Равенство булевых функций. Фиктивные переменные Формулы и суперпозиции булевых функций Дизъюнктивные и конъюнктивные нормальные формы Построение минимальных ДНФ Теорема Поста и классы Критерий Поста Схемы из функциональных элементов

Конечные автоматы и регулярные языки

Конечные автоматы и регулярные языки Алфавит, слово, язык в программировании Порождающие грамматики (грамматики Хомского) Классификация грамматик и языков Регулярные языки и регулярные выражения Конечные автоматы Допустимость языка конечным автоматом Теорема Клини Детерминизация конечных автоматов Минимизация конечных автоматов Лемма о разрастании для регулярных языков Обоснование алгоритма детерминизации автоматов Конечные автоматы с выходом Морфизмы и конечные подстановки Машины Тьюринга

Контекстно-свободные языки

Контекстно-свободные языки и грамматики Приведенная форма КС-грамматики Лемма о разрастании для КС-языков Магазинные автоматы (автомат с магазинной памятью) Алгоритм построения МП-автомата по КС-грамматике Алгоритм построения КС-грамматики по МП-автомату Алгебраические свойства КС-языков Основное свойство суперпозиции КС-языков Пересечение контекстно-свободных языков Методы синтаксического анализа КС-языков Восходящий синтаксический анализ и LR(k)-грамматики Семантика формальных языков Принцип индукции по неподвижной точке Графовое представление МП-автоматов

Интегральное исчисление

Неопределённый и определённый

Неопределенный и определенный интегралы Свойства интегралов Интегрирование по частям Интегрирование методом замены переменной Интегрирование различных рациональных функций Интегрирование различных иррациональных функций Интегрирование различных тригонометрических функций Определенный интеграл и его основные свойства Необходимое и достаточное условие интегрируемости Теоремы существования первообразной Свойства определенных интегралов Несобственные интегралы Интегральное определение логарифмической функции

Приложения интегралов

Вычисление площадей плоских фигур Площади фигур в различных координатах Вычисление объемов тел с помощью интегралов Объём тела вращения Вычисление длин дуг кривых Формулы длины дуги регулярной кривой Кривизна плоской кривой Площадь поверхности вращения тела

Интегралы в физике

Статические моменты и координаты центра тяжести Теоремы Гульдина–Паппа Вычисление моментов инерции Другие приложения интегралов в физике

Основные интегралы

Интеграл Ньютона-Лейбница Интеграл Римана Интеграл Лебега

Вариационное исчисление

Примеры вариационных задач Дифференциальное уравнение Эйлера Функционалы, зависящие от нескольких функций Задача о минимуме кратного интеграла

Финансовый анализ

Анализ эффективности

Критерии и показатели эффективности предприятия Методы анализа эффективности деятельности Факторный анализ прибыли от операционной деятельности Анализ безубыточности предприятия Операционный рычаг и эффект финансового рычага Анализ и оценка состава, структуры и динамики доходов и расходов Анализ рентабельности и резервов устойчивого роста капитала Анализ распределения прибыли предприятия Анализ и оценка чувствительности показателей эффективности

Анализ устойчивости

Финансовая устойчивость и долгосрочная платежеспособность Характеристика типов финансовой устойчивости

Рыночная активность

Финансовый анализ рыночной активности Методика анализа рыночной активности Анализ и оценка дивидендного дохода на одну акцию

Инвестиционная деятельность

Инвестиции: экономическая сущность и классификация Государственное регулирование инвестиционной деятельности Источники финансовых ресурсов на капитальные вложения Инвестиции в основные фонды Оценка состояния основных фондов Амортизация основных фондов Капитальное строительство в инвестиционном процессе Планирование инвестиций в форме капитальных вложений Экономическая эффективность инвестиций Финансирование капитальных вложений Кредитование капитальных вложений Кредитоспособность Финансирование и кредитование затрат Финансирование и кредитование инвестиционной деятельности потребительской кооперации Финансирование и кредитование капитальных вложений потребительской кооперации Инвестиционное строительное проектирование

Анализ инвестиций

Инвестиции и инвестиционная деятельность предприятия Задачи финансового анализа инвестиций предприятия Учет фактора времени в инвестиционной деятельности Аннуитет и финансовая рента в инвестициях Учет фактора инфляции при инвестировании Оценка фактора риска инвестиционного проекта Методы оценки эффективности инвестиций Показатели эффективности инвестиционного проекта

Стоимость компании

Концепция построения международных стандартов финансовой отчетности (МСФО) Экономическое содержание международных стандартов финансовой отчётности Цели и принципы оценки стоимости акций и активов компании Оценка акций и активов предприятия по справедливой стоимости Методы оценки справедливой стоимости акций предприятия Затратный подход к оценки стоимости компаний и акций Сравнительный подход к оценки стоимости предприятий и акций Доходный подход к оценке стоимости компании и акций Выбор ставки дисконтирования при инвестировании в акции Метод капитализации прибыли Сравнение подходов к оценке стоимости компаний и пакетов акций

Форвардные контракты

Форвардный контракт и цена Форвардная цена акции на бирже Цена форвардного контракта инвестора Форвардная цена акции с учетом величины дивиденда Форвардная цена акции с учетом ставки дивиденда Форвардная цена валюты на рынке форекс Форвардный валютный курс и инфляция на рынке Форвардная цена товара и спотовый рынок Форвардная цена при различии ставок по кредитам и депозитам Синтетический форвардный контракт на акции и валюту

Теория вероятностей

Основные понятия теории вероятностей Зависимые и независимые случайные события Повторные независимые испытания Формула Бернулли Одномерные случайные величины Многомерные случайные величины Функции случайных величин Законы распределения целочисленных случайных величин Законы распределения непрерывных случайных величин Предельные теоремы теории вероятностей Закон больших чисел и предельные теоремы Вероятностные закономерности

Математическая статистика

Элементы математической статистики Выборочный метод Оценки параметров генеральной совокупности Статистические гипотезы Критерии согласия Теоретические и эмпирические частоты

Теория очередей (СМО)

Определение системы массового обслуживания Уравнения Колмогорова Предельные вероятности состояний Определение СМО с отказами Определение СМО с ожиданием (очередью)

Аналитическая геометрия

Векторная алгебра

Метрические понятия и аксиомы геометрии Равенство и подобие геометрических фигур Бинарные отношения Вектор, его направление и длина Линейные операции над векторами Линейная зависимость и независимость векторов Отношение коллинеарных векторов Проекции векторов на прямую и на плоскость Угол между векторами Ортогональные проекции векторов Координата вектора на прямой и базис Координаты вектора на плоскости и базис Координаты вектора в пространстве и базис Операции над векторами в координатной форме Ортогональный и ортонормированный базисы Cкалярное произведение векторов и его свойства Выражение скалярного произведения через координаты векторов Векторное произведение векторов и его свойства Смешанное произведение векторов и его свойства Ориентированные площади и объемы Двойное векторное произведение и его свойства Применение векторов в задачах на аффинные свойства фигур Применение произведений векторов при решении геометрических задач Применение векторной алгебры в механике

Системы координат

Прямоугольные координаты Преобразования прямоугольных координат Полярная система координат Цилиндрическая система координат Сферические координаты Аффинные координаты Аффинные преобразования координат Аффинные преобразования плоскости Примеры аффинных преобразований плоскости Аффинные преобразования пространства Многомерное координатное пространство Линейные и аффинные подпространства Скалярное произведение n-мерных векторов Преобразования систем координат

Геометрия на плоскости

Алгебраические линии на плоскости Общие уравнения геометрических мест точек Алгебраические уравнения линий на плоскости Уравнения прямой, проходящей через точку перпендикулярно вектору Уравнения прямой, проходящей через точку коллинеарно вектору Уравнения прямой, проходящей через две точки Уравнения прямой с угловым коэффициентом Взаимное расположение прямых Примеры задач с прямыми на плоскости Системы неравенств с двумя неизвестными Системы линейных уравнений с двумя неизвестными

Линии 2-го порядка

Канонические уравнения линий второго порядка Порядок приведения уравнения линии к каноническому виду Эллипс Гипербола Парабола Квадратичные неравенства с двумя неизвестными Применение линий 1-го и 2-го порядков в задачах на экстремум функций

Инварианты линий

Классификация линий 2-го порядка по инвариантам Приведение уравнения линии к каноническому виду по инвариантам

Геометрия в пространстве

Способы задания ГМТ в пространстве Алгебраические уравнения поверхностей Уравнения плоскости, проходящей через точку перпендикулярно вектору Уравнения плоскости, компланарной двум неколлинеарным векторам Уравнения плоскости, проходящей через три точки Взаимное расположение плоскостей Типовые задачи с плоскостями Уравнения прямых в пространстве Взаимное расположение прямых в пространстве Типовые задачи с прямыми в пространстве

Поверхности 2-го порядка

Канонические уравнения поверхностей Порядок приведения уравнения поверхности к каноническому виду Поверхности второго порядка Эллипсоиды Гиперболоиды Конусы Параболоиды Применение поверхностей 1-го и 2-го порядков в задачах на экстремум функций

Инварианты поверхностей

Классификация поверхностей 2-го порядка по инвариантам Квадратичные неравенства с тремя неизвестными Приведение уравнения поверхности к канониче-скому виду по инвариантам

Линейная алгебра

Матрицы и операции

Линейные операции над матрицами Умножение матриц Возведение матриц в степень Многочлены от матриц Транспонирование и сопряжение матриц Блочные матрицы Произведение и сумма матриц Кронекера Метод Гаусса приведения матрицы к ступенчатому виду Элементарные преобразования матриц

Определители

Определители матриц и их основные свойства Формула полного разложения определителя Формула Лапласа полного разложения определителя Определитель произведения матриц Методы вычисления определителей

Ранг матрицы

Линейная зависимость и линейная независимость строк (столбцов) матрицы Ранг матрицы и базисный минор матрицы Методы вычисления ранга матрицы Ранг системы столбцов (строк)

Обратная матрица

Обратные матрицы и их свойства Ортогональные и унитарные матрицы Способы нахождения обратной матрицы Матричные уравнения Односторонние обратные матрицы Скелетное разложение матрицы Полуобратная матрица Псевдообратная матрица

Системы уравнений

Системы линейных алгебраических уравнений Метод Гаусса решения систем линейных уравнений Структура общего решения системы уравнений Решение систем с помощью полуобратных матриц Псевдорешения системы линейных уравнений

Функциональные матрицы

Функциональные матрицы скалярного аргумента Производные матриц по векторному аргументу Линейные и квадратичные формы и их преобразования Приведение форм к каноническому виду Закон инерции вещественных квадратичных форм Знакоопределенность форм вещественных квадратичных Формы и исследование функций на экстремум

Многочленные матрицы

Многочленные матрицы (лямбда-матрицы) Операции над лямбда-матрицами Простые преобразования многочленных матриц Инвариантные множители многочленной матрицы

Функции от матриц

Собственные векторы и значения матрицы Подобие числовых матриц Характеристический многочлен матрицы Минимальный многочлен матрицы Теорема Гамильтона-Кэли Жорданова форма матрицы Приведение матрицы к жордановой форме Многочлены от матриц Применение многочленов от матриц Функции от матриц

Линейные пространства

Линейные пространства: определение и примеры Линейная зависимость и независимость n-мерных векторов Размерность и базис линейного пространства Преобразования координат в линейном пространстве Изоморфизм линейных пространств

Подпространства

Подпространства линейного пространства Пересечение и сумма подпространств Способы описания подпространств Нахождение дополнения и суммы подпространств Нахождение пересечения подпространств

Линейные отображения

Линейные многообразия Линейные отображения Матрица линейного отображения Ядро и образ линейного отображения

Линейные операторы

Линейные операторы (преобразования) Инвариантные подпространства Собственные векторы и значения оператора Свойства собственных векторов операторов Канонический вид линейного оператора Методика приведения линейного преобразования к каноническому виду

Евклидовы пространства

Комплексный анализ

Комплексные числа

Комплексные числа в алгебраической форме Комплексные числа в тригонометрической и показательной формах Множества на комплексной плоскости Последовательности и ряды комплексных чисел

Комплексные функции

Функции комплексного переменного. Предел, непрерывность и производная Элементарные функции комплексного переменного Дифференцирование функций комплексного переменного Аналитические функции и их свойства Конформные отображения
и их свойства Интегрирование функций комплексного переменного

Функциональные ряды в комплексной области

Функциональные ряды и последовательности Степенные ряды и их свойства Разложение функций в степенные ряды Нули аналитических функций Ряд Лорана и разложение функций по целым степеням

Особые точки, Вычеты

Изолированные особые точки функций и полюсы Вычеты и их применение Вычисление интегралов с помощью вычетов Вычеты и расположение нулей многочлена

Операционное исчисление

Преобразование Лапласа и его свойства Решение ДУ операционным методом Анализ выходных процессов линейных стационарных систем Z-преобразование и его свойства

Дифференциальные уравнения

ДУ первого порядка

Основные понятия и определения ДУ Метод изоклин для ДУ 1-го порядка Метод последовательных приближений ДУ с разделяющимися переменными Однородные ДУ Линейные ДУ 1-го порядка Дифференциальное уравнение Бернулли ДУ в полных дифференциалах Интегрирующий множитель ДУ, не разрешенные относительно производной Дифференциальное уравнение Риккати Составление ДУ семейств линий Задачи на траектории Особые решения ДУ

ДУ высших порядков

Понятия и определения ДУ высших порядков ДУ, допускающие понижение порядка Линейная независимость функций Определители Вронского и Грама Однородные и неоднородные дифференциальные уравнения Задача Коши и Уравнение Эйлера Линейные ДУ с переменными коэффициентами Метод Лагранжа решения ДУ Краевые задачи для ДУ высших порядков Разложение решения ДУ в степенной ряд Разложение решения ДУ в обобщенный степенной ряд Нахождение периодических решений ДУ Асимптотическое интегрирование ДУ

Системы ДУ

Системы ДУ: понятия и определения Сведение системы ДУ к одному уравнению Нахождение интегрируемых комбинаций Интегрирование однородных линейных систем ДУ Методы интегрирования неоднородных систем ДУ Преобразование Лапласа и решение ДУ и систем

Теория устойчивости

Устойчивость решений ДУ по Ляпунову Простейшие типы точек покоя Метод функций Ляпунова Устойчивость решений ДУ по первому приближению Критерии устойчивости Рауса–Гурвица и Михайлова ДУ с малым параметром при производной

Численные методы

Методы алгебры

Численные методы линейной алгебры Численные методы решения СЛАУ Итерационный метод Шульца обратной матрицы Методы решения задач о собственных значениях и векторах матрицы Методы решения нелинейных уравнений Методы решения систем нелинейных уравнений

Методы теории приближений

Методы приближения сеточных функций Методы функциональной интерполяции Методы интегрально-дифференциальной интерполяции Методы интегрального сглаживания Методы интерполяции и сглаживания сплайнами Методы численного дифференцирования и интегрирования Методы численного дифференцирования Методы численного интегрирования

Методы решения обыкновенных ДУ

Численные методы решения задачи Коши Разностные схемы для решения задачи Коши Составные схемы для решения задачи Коши Экстраполяционные методы решения задачи Коши Непрерывно-дискретные методы решения задачи Коши Численные методы решения краевых задач

Методы решения ДУ в частных производных

Численные методы решения уравнений математической физики с двумя переменными Принципы построения разностных схем для уравнений в частных производных Разностные схемы решения уравнений в частных производных 1-го порядка Разностные схемы решения уравнений в частных производных 2-го порядка Численные методы решения уравнений в частных производных Численные методы решения уравнений математической физики с тремя переменными

Многомерные случайные величины

Определение многомерной случайной величины и закон ее распределения. Система двух дискретных случайных величин, числовые характеристики системы, корреляционный момент, коэффициент корреляции и его свойство. Функция распределения вероятностей и плотность вероятностей системы, их свойства. Числовые характеристики системы двух непрерывных случайных величин. Условные законы распределения и их числовые характеристики. Определение корреляционной зависимости. Система n случайных величин, числовые характеристики системы, корреляционная матрица, нормированная корреляционная матрица.

Многомерная случайная величина

При изучении случайных явлений в зависимости от их сложности иногда приходится использовать две, три и более случайных величин. Например, точка попадания снаряда определяется не одной, а двумя случайными величинами: абсциссой и ординатой. При различных измерениях очень часто имеем дело с двумя или тремя случайными величинами.

Совместное рассмотрение двух или нескольких случайных величин приводит к понятию системы случайных величин. Условимся систему нескольких случайных величин $X,Y,\ldots,W$ обозначать $(X,Y,\ldots,W)$ . Такая система называется также многомерной случайной величиной. При изучении системы случайных величин недостаточно изучить отдельно случайные величины, составляющие систему, а необходимо учитывать связи или зависимости между этими величинами.

При рассмотрении системы случайных величин удобно пользоваться геометрической интерпретацией системы. Например, систему двух случайных величин $(X,Y)$ можно рассматривать как случайную точку на плоскости $XOY$ с координатами $X$ и $Y$ или как случайный вектор на плоскости со случайными составляющими $X$ и $Y$ . По аналогии систему $n$ случайных величин можно рассматривать как случайную точку в $n$ -мерном пространстве или как n-мерный случайный вектор.

При изучении систем случайных величин ограничимся подробным рассмотрением системы двух случайных величин.

Закон распределения вероятностей системы случайных величин

Законом распределения системы случайных величин называется соотношение, устанавливающее связь между областями возможных значений системы случайных величин и вероятностями появления системы в этих областях.

Так же, как и для одной случайной величины, закон распределения системы случайных величин может быть задан в различных формах. Рассмотрим таблицу распределения вероятностей системы дискретных случайных величин. Пусть $X$ и $Y$ — дискретные случайные величины, возможные значения которых $(x_i,y_j)$ , где $i=1,2,\ldots,n;~j=1,2,\ldots,m$ Тогда распределение системы таких случайных величин может быть охарактеризовано указанием вероятностей $p_{i,j}=P\{X=x,Y=y\}$ того, что случайная величина $X$ примет значение $x_i$ и одновременно с этим случайная величина $Y$ примет значение $y_j$ . Вероятности $p_{i,j}$ фиксируют в таблице.

Таблица распределения вероятностей системы дискретных случайных величин

Такая таблица называется таблицей распределения системы двух дискретных случайных величин с конечным числом возможных значений. Все возможные события $\{X=x_i,Y=y_j\}$ при $i=1,2,\ldots,n$ $j=1,2,\ldots,m$ составляют полную группу несовместных событий, поэтому

$\sum\limits_{i,j}p_{i,j}=\sum\limits_{i,j}P\{X=x_i,Y=y_j\}=1$

При этом

$\begin{aligned}\sum\limits_{j}p_{i,j}&=\sum\limits_{j}P\{X=x_i,Y=y_j\}=P\{X=x_i\};\\[2pt] \sum\limits_{i}p_{i,j}&=\sum\limits_{i}P\{X=x_i,Y=y_j\}=P\{Y=y_j\}.\end{aligned}$

Вероятность попадания случайной точки в квадрант

Функция распределения

Функцией распределения вероятностей системы двух случайных величин называется функция двух аргументов $F(x;y)$ , равная вероятности совместного выполнения двух неравенств $X<x$ и $Y<y$ , т. е.

$F(x;y)=P\{X<x,\,Y<y\}.$

Геометрически функцию распределения системы двух случайных величин можно интерпретировать как вероятность попадания случайной точки $(X,Y)$ в левый нижний бесконечный квадрант плоскости (рис. 14) с вершиной в точке $(x,y)$ .

Сформулируем основные свойства функции распределения вероятностей системы двух случайных величин.

Свойство 1.

$\lim_{y\to+\infty}F(x;y)=F_1(x);\qquad \lim_{x\to+\infty}F(x;y)=F_2(y)$

или символически

$F(x;+\infty)=F_1(x);\qquad F(+\infty;y)=F_2(y)$

Свойство 2.

$\lim_{\substack{x\to+\infty\\y\to+\infty}}F(x;y)=1$ или $F(+\infty;+\infty)=1$

Свойство 3.

$\lim_{x\to-\infty}F(x;y)=\lim_{y\to-\infty}F(x;y)=\lim_{\substack{x\to-\infty\\y\to-\infty}}F(x;y)=0.$

или

$F(-\infty;y)=F(x,-\infty)=F(-\infty;-\infty)=0.$

Свойство 4. Функция распределения является неубывающей функцией по каждому аргументу:

$F(x_2;y)\geqslant{F(x_1;y)}\quad \text{if}\quad x_2>x_1;\qquad F(x;y_2)\geqslant{F(x;y_1)}\quad \text{if}\quad y_2>y_1.$

Свойство 5. Вероятность попадания случайной точки $(X,Y)$ в произвольный прямоугольник со сторонами, параллельными координатным осям (рис. 15), вычисляется, по формуле

$P\{a\leqslant{X}<b,c\leqslant{Y}<d\}=F(b,d)-F(a,d)-F(b,c)+F(a,c).$

Вероятность попадания случайной точки в произвольный треугольник

Плотность распределения вероятностей системы двух случайных величин

Предположим, что функция распределения $F(x,y)$ непрерывна и дважды дифференцируема. Тогда смешанная частная производная функции $F(x,y)$

$f(x,y)=\frac{\partial^2F(x,y)}{\partial{x}\partial{y}}=F''_{xy}(x,y).$

Функция $f(x,y)$ называется плотностью распределения системы непрерывных случайных величин $(X,Y)$ . Зная плотность распределения $f(x,y)$ , можно определить вероятность попадания случайной точки $(X,Y)$ в произвольную область $D:$

$P\{(X,Y)\subset{D}\}=\iint\limits_{D}f(x,y)\,dxdy\,.$

(5.1)

Используя формулу (5.1), выразим функцию распределения системы $F(x,y)$ через плотность распределения $f(x,y)$ :

$F(x,y)=\int\limits_{-\infty}^{x}\int\limits_{-\infty}^{y}f(x,y)\,dxdy\,.$

(5.2)

Рассмотрим свойства плотности распределения системы двух случайных величин.

Свойство 1. Плотность распределения есть функция неотрицательная: $f(x,y)\geqslant0$ .

Свойство 2. Двойной несобственный интеграл с бесконечными пределами от плотности распределения системы равен единице:

$\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty} f(x,y)\,dxdy=1.$

Пример 1. Плотность распределения системы двух случайных величин $(X,Y)$ задана выражением

$f(x,y)=\frac{a}{1+x^2+x^2y^2+y^2}.$

Найти параметр $a$ . Определить функцию распределения $F(x,y)$ и вероятность попадания случайной точки в прямоугольник с вершинами $O(0;0),\,A(0;1),\,B(\sqrt{3};0)$ и $C(\sqrt{3};0)$ .

Решение. Использовав свойство 2 плотности распределения, найдем постоянную величину $a:$

$\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\frac{a}{1+x^2+x^2y^2+y^2}\,dxdy=a\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\frac{dxdy}{(1+x^2)(1+y^2)}=$

$=a\int\limits_{-\infty}^{+\infty}\frac{dx}{1+x^2}\int\limits_{-\infty}^{+\infty}\frac{dy}{1+y^2}=a\,\Bigl.{\operatorname{arctg}x}\Bigl|_{-\infty}^{+\infty}\,\Bigl.{\operatorname{arctg}y}\Bigl|_{-\infty}^{+\infty}=a\pi^2.$

Следовательно, $a=\frac{1}{\pi^2}$ . Функцию распределения $F(x,y)$ определим по формуле (5.2):

$F(x,y)=\frac{1}{\pi^2}\int\limits_{-\infty}^{x}\int\limits_{-\infty}^{y}\frac{dx\,dy}{(1+x^2)(1+y^2)}=\left(\frac{1}{\pi}\,\operatorname{arctg}x+\frac{1}{2}\right)\!\!\left(\frac{1}{\pi}\operatorname{arctg}y+\frac{1}{2}\right).$

Согласно формуле (5.1) вероятность попадания случайной точки $(X,Y)$ в заданный прямоугольник

$\begin{aligned}P\{(X,Y)\subset{D}\}&=\frac{1}{\pi^2}\iint\limits_{D}\frac{dxdy}{(1+x^2)(1+y^2)}=\frac{1}{\pi^2}\int\limits_{0}^{\sqrt{3}}\frac{dx}{1+x^2}\int\limits_{0}^{1}\frac{dy}{1+y^2}=\\[2pt] &=\frac{1}{\pi^2}\cdot\Bigl.{\operatorname{arctg}x}\Bigl|_{0}^{\sqrt{3}}\,\Bigl.{\operatorname{arctg}y}\Bigl|_{0}^{1}= \frac{1}{\pi^2}\cdot\frac{\pi}{3}\cdot\frac{\pi}{4}=\frac{1}{12}.\end{aligned}$

Условные законы распределения

Пусть известна плотность распределения системы двух случайных величин. Используя свойства функций распределения, можно вывести формулы для нахождения плотности распределения одной величины, входящей в систему:

$\begin{aligned}f_1(x)&= F'_1(x)=\int\limits_{-\infty}^{+\infty} f(x,y)\,dy\,;\\[2pt] f_2(y)&= F'_2(y)=\int\limits_{-\infty}^{+\infty} f(x,y)\,dx\,.\end{aligned}$

(5.3)

Перейдем теперь к решению обратной задачи: по известным законам распределения отдельных величин, входящих в систему, найти закон распределения системы. Легко увидеть, что в общем случае эта задача неразрешима. Действительно, с одной стороны, законы распределения отдельных случайных величин, входящих в систему, характеризуют каждую из случайных величин в отдельности, но ничего не говорят о том, как они взаимосвязаны. С другой стороны, искомый закон распределения системы должен содержать все сведения о случайных величинах системы, в том числе и о характере связей между ними.

Таким образом, если случайные величины $X,Y$ взаимозависимы, то закон распределения системы не может быть выражен через законы распределения отдельных случайных величин, входящих в систему. Это приводит к необходимости введения условных законов распределения.

Распределение одной случайной величины, входящей в систему, найденное при условии, что другая случайная величина, входящая в систему, приняла определенное значение, называется условным законом распределения.

Условный закон распределения можно задавать как функцией распределения, так и плотностью распределения. Условная функция распределения обозначается $F(x\mid y)$ , условная плотность распределения — $f(x\mid y)$ (мы записали условные законы распределения случайной величины $X$ при условии, что другая случайная величина $Y$ приняла определенное значение).

Плотностью распределения для случайной величины $X$ при условии, что случайная величина $Y$ приняла определенное значение (условной плотностью распределения), назовем величину

$f(x\mid y)=\frac{f(x,y)}{f_2(y)}\,.$

Аналогично плотностью распределения для случайной величины $Y$ при условии, что случайная величина $X$ приняла определенное значение, назовем величину

$f(y\mid x)=\frac{f(x,y)}{f_1(x)}$ . Отсюда получаем $f(x,y)=f_1(x)f(y\mid x)=f_2(y)f(x\mid y)$ .

или с учетом формул (5.3)

$f(x\mid y)=\dfrac{f(x,y)}{\int\limits_{-\infty}^{+\infty}f(x,y)\,dx};\qquad f(y\mid x)=\dfrac{f(x,y)}{\int\limits_{-\infty}^{+\infty}f(x,y)\,dy}.$

Условная плотность распределения обладает всеми свойствами безусловной плотности распределения. В частности,

$\int\limits_{-\infty}^{+\infty}f(x\mid y)\,dx=1;\qquad\int\limits_{-\infty}^{+\infty}f(y\mid x)\,dy=1.$

Числовые характеристики условных законов распределения

Для описания условных законов распределения можно использовать различные характеристики подобно тому, как для одномерных распределений.

Наиболее важной характеристикой является условное математическое ожидание.

Условным математическим ожиданием дискретной случайной величины $X$ при $Y=y$ ( $Y$ — определенное возможное значение случайной величины $Y$ ) называется сумма произведений возможных значений $X$ на их условные вероятности:

$M(x\mid y)=\sum\limits_{i=1}^{n}x_iP(x_i|y).$

Для непрерывных случайных величин, где $f(x\mid y)$ — условная плотность распределения случайной величины $X$ при $Y=y:$

$M(x\mid y)=\int\limits_{-\infty}^{+\infty}xf(x\mid y)\,dx.$

Аналогично условным математическим ожиданием дискретной случайной величины $Y$ при $X=x$ называется сумма произведений возможных значений $Y$ на их условные вероятности:

$M(y\mid x)=\sum\limits_{j=1}^{n}y_jP(y_j|x).$

Для непрерывных случайных величин, где $f(y\mid x)$ — условная плотность распределения случайной величины $Y$ при $X=x:$

$M(y\mid x)=\int\limits_{-\infty}^{+\infty}yf(y\mid x)\,dy.$

Аналогично вводятся условные дисперсии и условные моменты более высоких порядков.

Числовые характеристики системы двух случайных величин

Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие возможные значения приняла другая величина. Из этого определения следует, что условные распределения независимых величин равны их безусловным распределениям. Укажем необходимые и достаточные условия независимости случайных величин.

Теорема 5.1. Для того чтобы случайные величины $X$ и $Y$ были независимыми, необходимо и достаточно, чтобы функция распределения системы $(X,Y)$ была равна произведению функций распределения составляющих:

$F(x,y)=F_1(x)F_2(y).$

Теорема 5.2. Для того чтобы непрерывные случайные величины $X$ и $Y$ были независимыми, необходимо и достаточно, чтобы плотность вероятности системы $(X,Y)$ была равна произведению плотностей вероятностей составляющих:

$f(x,y)=f_1(x)f_2(y).$

Для описания системы двух случайных величин кроме математических ожиданий и дисперсий составляющих используют и другие характеристики, к которым относятся корреляционный момент и коэффициент корреляции.

Корреляционным моментом $\mu_{xy}$ случайных величин $X$ и $Y$ называют математическое ожидание произведения отклонений этих величин:

$\mu_{xy}=M((X-M(X))(Y-M(Y))).$

Для вычисления корреляционного момента дискретных величин используют формулу

$\mu_{xy}=\sum\limits_{i=1}^{n}\sum\limits_{j=1}^{m}(x_i-M(X))(y_j-M(Y))P(x_i,y_j).$

а для непрерывных величин

$\mu_{xy}=\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}(x-M(X))(y-M(Y))f(x,y)\,dxdy.$

Корреляционный момент служит для характеристики связи между величинами $X$ и $Y$ .

Теорема 5.3. Корреляционный момент двух независимых случайных величин $X$ и $Y$ равен нулю.

Из теоремы 5.3 следует, что если корреляционный момент двух случайных величин $X$ и $Y$ не равен нулю, то $X$ и $Y$ — зависимые случайные величины.

Коэффициентом корреляции $r_{xy}$ случайных величин $X$ и $Y$ называют отношение корреляционного момента к произведению средних квадратических отклонений этих величин:

$r_{xy}=\frac{\mu_{xu}}{\sigma_x\sigma_y}.$

Очевидно, коэффициент корреляции двух независимых случайных величин равен нулю (так как $\mu_{xy}=0$ ).

Коррелированность и зависимость случайных величин

Две случайные величины $X$ и $Y$ называют коррелированными, если их корреляционный момент (или коэффициент корреляции) отличен от нуля; $X$ и $Y$ называют некоррелированными величинами, если их корреляционный момент равен нулю.

Две коррелированные величины также и зависимы. Обратное утверждение не всегда имеет место, т. е. если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными. Другими словами, корреляционный момент двух зависимых величин может быть не равен нулю, но может и равняться нулю.

Функция и плотность распределения системы случайных величин

На практике очень часто приходится рассматривать системы более чем двух случайных величин. Функция распределения системы нескольких случайных величин вводится как обобщение функции распределения системы двух случайных величин. Так, функцией распределения системы $n$ случайных величин $(X_1,X_2,\ldots,X_n)$ называется функция $n$ аргументов $x_1,x_2,\ldots,x_n$ равная вероятности совместного выполнения $n$ неравенств $X_i<x_i,~i=1,2,\ldots,n$ , т. е.

$F(x_1,x_2,\ldots,x_n)=P\{X_1<x_1,X_2<x_2,\ldots,X_n<x_n\}.$

Эта функция является неубывающей функцией каждой переменной при фиксированных значениях других переменных. Если хотя бы одна из переменных стремится к $-\infty$ , то функция распределения стремится к нулю. Если все переменные стремятся к $+\infty$ , то функция распределения стремится к единице. Функция распределения каждой из величин, входящих в систему, получится, если в функции распределения системы все остальные аргументы положить равными $+\infty$ :

$F_1(x_1)=F(x_1,+\infty,\ldots,+\infty).$

Аналогично одномерному случаю можно вывести формулу, связывающую функцию распределения $F(x_1,x_2,\ldots,x_n)$ и плотность вероятности $f(x_1,x_2,\ldots,x_n)$ :

$F(x_1,x_2,\ldots,x_n)=\int\limits_{-\infty}^{x_1}\int\limits_{-\infty}^{x_2}\cdots\int\limits_{-\infty}^{x_n} f(x_1,x_2,\ldots,x_n)\,dx_1dx_2 \ldots dx_n,$

или, что то же самое

$f(x_1,x_2,\ldots,x_n)=\frac{\partial^nF(x_1,x_2,\ldots,x_n)}{\partial{x_1}\partial{x_2}\cdots\partial{x_n}}.$

Плотность распределения системы случайных величин не может быть отрицательной:

$f(x_1,x_2,\ldots,x_n)\geqslant0.$

Вероятность попадания случайной точки с координатами $(X_1,X_2,\ldots,X_n)$ в $n$ -мерную область $D$ выражается интегралом

$P\{(X_1,X_2,\ldots,X_n)\subset{D}\}=\mathop{\iint\cdots\int}\limits_D{f(x_1,x_2,\ldots,x_n)\,dx_1dx_2\ldots{dx_n}}.$

Используя свойства плотности функции распределения, получаем:

$\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\cdots\int\limits_{-\infty}^{+\infty} f(x_1,x_2, \ldots,x_n)\,dx_1dx_2\ldots dx_n=1.$

Плотность распределения каждой из величин, входящих в систему, получится, если плотность распределения системы проинтегрировать в бесконечных пределах по всем остальным аргументам:

$f_1(x_1)=\int\limits_{-\infty}^{+\infty}\int\limits_{-\infty}^{+\infty}\cdots\int\limits_{-\infty}^{+\infty} f(x_1,x_2,\ldots,x_n)\,dx_2dx_3\ldots dx_n.$

Числовые характеристики произвольного числа случайных величин

Основными числовыми характеристиками, с помощью которых может быть охарактеризована система $n$ случайных величин $(X_1,X_2,\ldots,X_n)$ , являются следующие:

1) математические ожидания случайных величин, входящих в систему, $m_{x_1},m_{x_2},\ldots,m_{x_n},$ , которые в совокупности определяют математическое ожидание n-мерного случайного вектора;

2) дисперсии $D[X_1],D[X_2],\ldots,D[X_n]$ случайных величин, входящих в систему;

3) корреляционные моменты каждой пары из $n$ случайных величин $\mu_{x_ix_j}=M((X_i-m_{x_i})(X_j-m_{x_j})),~~i\ne{j}$ , характеризующие попарно корреляцию всех случайных величин, входящих в систему.

Зная корреляционные моменты, можно найти коэффициенты корреляции $r_{x_ix_j}$ , которые характеризуют степень связи между каждой парой случайных величин

$r_{x_ix_j}=\frac{\mu_{x_ix_j}}{\sigma_{x_i}\sigma_{x_j}}\,.$

Так как дисперсия каждой из случайных величин системы $(X_1,X_2,\ldots,X_2)$ есть не что иное, как частный случай корреляционного момента, а именно: корреляционный момент величины $X_i$ и той же величины $X_i$

$\sigma_{x_i}^2=D[X_i]=\mu_{x_ix_j},$

то все корреляционные моменты и дисперсии располагают в виде прямоугольной таблицы, которая называется корреляционной матрицей системы $n$ случайных величин.

$\left(\!\begin{array}{*{20}{c}}\mu_{x_1x_1}&\mu_{x_1x_2}&\cdots&\mu_{x_1x_n}\\\mu_{x_2x_1}&\mu_{x_2x_2}&\cdots&\mu_{x_2x_n}\\\vdots&\vdots&\ddots&\vdots\\\mu_{x_nx_1}&\mu_{x_nx_2}&\cdots&\mu_{x_nx_n}\\\end{array}\!\right)$

Из определения корреляционного момента следует, что $\mu_{x_ix_j}=\mu_{x_jx_i}$ . Это означает, что элементы корреляционной матрицы, расположенные симметрично по отношению к главной диагонали, равны. В-этой связи часто для простоты в корреляционной матрице заполняют только ее половину:

$\left(\!\begin{array}{*{20}{c}}\mu_{x_1x_1}& \mu_{x_1x_2}& \cdots&\mu_{x_1x_n}\\&\mu_{x_2x_2}&\cdots&\mu_{x_2x_n}\\&&\cdots&\cdots\\&&&\mu_{x_nx_n}\\\end{array}\!\right)$

Если случайные величины системы некоррелированы, имеем $\mu_{x_ix_j}=0$ при $i\ne{j}$ . Следовательно, корреляционная матрица системы некоррелированных случайных величин имеет вид

$\left(\!\begin{array}{*{20}{c}}D[X_1]&0&\cdots&0\\ &D[X_2]&\cdots&0\\&&\cdots&\cdots\\&&&D[X_n]\\\end{array}\!\right)$

Такая матрица называется диагональной. Вместо корреляционной матрицы часто используют нормированную корреляционную матрицу. Нормированной корреляционной называется такая матрица, элементами которой являются коэффициенты корреляции. Все элементы главной диагонали нормированной корреляционной матрицы равны единице. Нормированная корреляционная матрица имеет вид

$\left(\!\begin{array}{*{20}{c}}1&r_{x_1x_2}&\cdots& r_{x_1x_n}\\&1&\cdots&r_{x_2x_n}\\&&\cdots&\cdots\\&&&1\\\end{array}\!\right)$

Математический форум (помощь с решением задач, обсуждение вопросов по математике).

Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.

Список статей » Список форумов

Часовой пояс: UTC + 3 часа [ Летнее время ]