1) Распределение системы дискретных случайных величин (X,Y) задано таблицей Y\X 0 2 4 6 -2 0,15 0,05 0,1 0 0 0,05 0,1 0,2 0,15 2 0,1 0,05 0 0,05 Найти условное математическое ожидание E(X|Y) и E(Y|X), найти математическое ожидание этих случайных величин, проверить формулу полного математического ожидания. Построить линейную регрессию X наY и Y на X и вычислить значения этих функций в точках xi и yj . Решение. Закон распределения случайной величины Х: Х 0 2 4 6 Р 0,15+0,05+0,1=0,3 0,05+0,1+0,05=0,2 0,1+0,2+0=0,3 0+0,15+0,05=0,2 Математическое ожидание случайной величины Х по формуле M ( X ) xi P xi M ( X ) 0 0 ,3 2 0 ,2 4 0 ,3 6 0 ,2 2,8 Пусть Y 2 , P( Y 2 ) 0 ,15 0 ,05 0 ,1 0 ,3 . P X 0 ,Y 2 0 ,15 1 Тогда P X 0 | Y 2 PY 2 0 ,3 2 P X 2 ,Y 2 0 ,05 1 P X 2 | Y 2 PY 2 0 ,3 6 P X 4 ,Y 2 0 ,1 1 P X 4 | Y 2 PY 2 0 ,3 3 P X 6 ,Y 2 0 P X 6 | Y 2 0 PY 2 0 ,3 Поэтому i M X | Y 2 0 P X 0 | Y 2 2 P X 2 | Y 2 4 P X 4 | Y 2 1 1 1 5 6 P X 6 | Y 2 0 2 4 6 0 2 6 3 3 Пусть Y 0 , P( Y 0 ) 0 ,05 0 ,1 0 ,2 0 ,15 0 ,5 . P X 0 ,Y 0 0 ,05 1 Тогда P X 0 | Y 0 PY 0 0 ,5 10 P X 2 ,Y 0 0 ,1 1 P X 2 | Y 0 PY 0 0 ,5 5 P X 4 ,Y 0 0 ,2 2 P X 4 | Y 0 PY 0 0 ,5 5 P X 6 ,Y 0 0 ,15 3 P X 6 | Y 0 PY 0 0 ,5 10 Поэтому M X | Y 0 0 P X 0 | Y 0 2 P X 2 | Y 0 4 P X 4 | Y 0 1 1 2 3 19 6 P X 6 | Y 0 0 2 4 6 10 5 5 10 5 Пусть Y 2 , P( Y 2 ) 0 ,1 0 ,05 0 ,05 0 ,2 . P X 0 ,Y 2 0 ,1 1 Тогда P X 0 | Y 2 PY 2 0 ,2 2 P X 2 ,Y 2 0 ,05 1 P X 2 | Y 2 PY 2 0 ,2 4 P X 4 ,Y 2 0 P X 4 | Y 2 0 PY 2 0 ,2 P X 6 ,Y 2 0 ,05 1 P X 6 | Y 2 PY 2 0 ,2 4 Поэтому M X | Y 2 0 P X 0 | Y 2 2 P X 2 | Y 2 4 P X 4 | Y 2 1 1 1 6 P X 6 | Y 2 0 2 4 0 6 2 2 4 4 Проверим формулу полного математического ожидания M ( X ) M X | Y yi PY yi i M( X ) 5 19 0 ,3 0 ,5 2 0 ,2 0 ,5 1,9 0 ,4 2 ,8 3 5 Закон распределения случайной величины Y : -2 0 2 Y Р 0,15+0,05+0,1=0,3 0,05+0,1+0,2+0,15=0,5 0,1+0,05+0,05=0,2 Математическое ожидание случайной величины Y по формуле M ( Y ) yi P yi M ( Y ) 2 0 ,3 0 0 ,5 2 0 ,2 0 ,2 Пусть X 0 , P( X 0 ) 0 ,15 0 ,05 0 ,1 0 ,3 . P X 0 ,Y 2 0 ,15 1 Тогда PY 2 | X 0 P X 0 0 ,3 2 P X 0 ,Y 0 0 ,05 1 PY 0 | X 0 P X 0 0 ,3 6 P X 0 ,Y 2 0 ,1 1 PY 2 | X 0 P X 0 0 ,3 3 i Поэтому M Y | X 0 2 PY 2 | X 0 0 PY 0 | X 0 2 PY 2 | X 0 1 1 1 1 2 0 2 2 6 3 3 P( X 2 ) 0 ,05 0 ,1 0 ,05 0 ,2 . P X 2 ,Y 2 0 ,05 1 Тогда PY 2 | X 2 P X 2 0 ,2 4 P X 2 ,Y 0 0 ,1 1 PY 0 | X 2 P X 2 0 ,2 2 P X 2 ,Y 2 0 ,05 1 PY 2 | X 2 P X 2 0 ,2 4 Пусть X 2 , Поэтому M Y | X 2 2 PY 2 | X 2 0 PY 0 | X 2 2 PY 2 | X 2 1 1 1 2 0 2 0 4 2 4 Пусть X 4 , P( X 4 ) 0 ,1 0 ,2 0 0 ,3 . P X 4 ,Y 2 0 ,1 1 Тогда PY 2 | X 4 P X 4 0 ,3 3 P X 4 ,Y 0 0 ,2 2 PY 0 | X 4 P X 4 0 ,3 3 P X 4 ,Y 2 0 PY 2 | X 4 0 P X 4 0 ,3 Поэтому M Y | X 4 2 PY 2 | X 4 0 PY 0 | X 4 2 PY 2 | X 4 1 2 2 2 0 2 0 3 3 3 Пусть X 6 , P( X 6 ) 0 ,15 0 ,05 0 ,2 . P X 6 ,Y 2 0 Тогда PY 2 | X 6 0 P X 6 0 ,2 P X 6 ,Y 0 0 ,15 3 PY 0 | X 6 P X 6 0 ,2 4 P X 6 ,Y 2 0 ,05 1 PY 2 | X 6 P X 6 0 ,2 4 Поэтому M Y | X 6 2 PY 2 | X 6 0 PY 0 | X 6 2 PY 2 | X 6 3 1 1 2 0 0 2 4 4 2 Проверим формулу полного математического ожидания M ( Y ) M Y | X xi P X xi i 1 2 1 M ( Y ) 0 ,3 0 0 ,2 0 ,3 0 ,2 0 ,2 3 3 2 M ( XY ) 0 ( 2 ) 0 ,15 2 ( 2 ) 0 ,05 4 ( 2 ) 0 ,1 6 ( 2 ) 0 0 0 0 ,05 2 0 0 ,1 4 0 0 ,2 6 0 0 ,15 0 2 0 ,1 2 2 0 ,05 4 2 0 6 2 0 ,05 0 ,2 M ( X 2 ) 0 2 0 ,3 22 0 ,2 4 2 0 ,3 6 2 0 ,2 12 ,8 M ( Y 2 ) ( 2 )2 0 ,3 0 2 0 ,5 2 2 0 ,2 2 Уравнение парной регрессии имеет вид y Ax B , где коэффициенты корреляции могут быть вычислены по формулам A M ( XY ) M ( X ) M ( Y ) 0 ,2 2 ,8 ( 0 ,2 ) 0 ,36 0 ,07 , 2 12 ,8 2 ,8 2 4 ,96 M ( X 2 ) M ( X ) B M (Y ) A M ( X ) 0,2 0,07 2,8 ?????? 0,396 . 1. Знак? 2. Зачем три знака, при такой точности A? Следовательно, получаем уравнение парной (линейной) регрессии y 0 ,07 x 0 ,0396 . x y 0 0,396 2 0,536 4 0,676 6 0,816 Уравнение парной регрессии имеет вид x ay b , где коэффициенты корреляции могут быть вычислены по формулам M ( XY ) M ( X ) M ( Y ) 0 ,2 2 ,8 ( 0 ,2 ) 0 ,36 a 0 ,18 , 2 2 ( 0 ,2 )2 1,96 M ( Y 2 ) M ( Y ) b M ( X ) a M ( Y ) 2,8 0 ,18 ( 0 ,2 ) 2,836 . Следовательно, получаем уравнение парной регрессии x 0 ,18 y 2,836 . Y x -2 0 2 2,476 2,836 3,196 Результат графически. Не нужно. Не проверяю. 2) Случайный вектор (X, Y ) задан матрицей распределения: Y\X -1 0 2 1 0,15 0,05 0,2 2 0,05 0,1 0,15 3 0,1 0,15 0,05 Найти условные математические ожидания E(X|Y ) и E(Y |X), проверить формулу полного математического ожидания. Построить линейную регрессию X на Y и Y на X и вычислить значения этих функций в точках xi и yj . Геометрически сравнить значения регрессии и линейной регрессии. Решение. Закон распределения случайной величины Х: Х -1 0 2 Р 0,15+0,05+0,1=0,3 0,05+0,1+0,15=0,3 0,2+0,15+0,05=0,4 Математическое ожидание случайной величины Х по формуле M ( X ) xi P xi M ( X ) 1 0 ,3 0 0 ,3 2 0 ,4 0 ,5 Пусть Y 1 , P( Y 1 ) 0 ,15 0 ,05 0 ,2 0 ,4 . P X 1,Y 1 0 ,15 3 Тогда P X 1 | Y 1 PY 1 0 ,4 8 i P X 0 ,Y 1 0 ,05 1 PY 1 0 ,4 8 P X 2 ,Y 1 0 ,2 1 P X 2 | Y 1 PY 1 0 ,4 2 P X 0 | Y 1 Поэтому M X | Y 1 1 P X 1 | Y 1 0 P X 0 | Y 1 2 P X 2 | Y 1 3 1 1 5 1 0 2 8 8 2 8 Пусть Y 2 , P( Y 2 ) 0 ,05 0 ,1 0 ,15 0 ,3 . P X 1,Y 2 0 ,05 1 Тогда P X 1 | Y 2 PY 2 0 ,3 6 P X 0 ,Y 2 0 ,1 1 P X 0 | Y 2 PY 2 0 ,3 3 P X 2 ,Y 2 0 ,15 1 P X 2 | Y 2 PY 2 0 ,3 2 Поэтому M X | Y 2 1 P X 1 | Y 2 0 P X 0 | Y 2 2 P X 2 | Y 2 1 1 1 5 1 0 2 6 3 2 6 Пусть Y 3 , P( Y 3 ) 0 ,1 0 ,15 0 ,05 0 ,3 . P X 1,Y 3 0 ,1 1 Тогда P X 1 | Y 3 PY 3 0 ,3 3 P X 0 ,Y 3 0 ,15 1 P X 0 | Y 3 PY 3 0 ,3 2 P X 2 ,Y 3 0 ,05 1 P X 2 | Y 3 PY 3 0 ,3 6 Поэтому M X | Y 3 1 P X 1 | Y 3 0 P X 0 | Y 3 2 P X 2 | Y 3 1 1 1 1 0 2 0 3 2 6 Проверим формулу полного математического ожидания M ( X ) M X | Y yi PY yi i M( X ) 5 5 0 ,4 0 ,3 0 0 ,3 0 ,5 8 6 Закон распределения случайной величины Y : 1 2 Y Р 0,15+0,05+0,2=0,4 0,05+0,1+0,15=0,3 3 0,1+0,15+0,05=0,3 Математическое ожидание случайной величины Y по формуле M ( Y ) yi P yi M ( Y ) 1 0 ,4 2 0 ,3 3 0 ,3 1,9 Пусть X 1, P( X 1 ) 0 ,15 0 ,05 0 ,1 0 ,3 . P X 1,Y 1 0 ,15 1 Тогда PY 1 | X 1 P X 1 0 ,3 2 P X 1,Y 2 0 ,05 1 PY 2 | X 1 P X 1 0 ,3 6 P X 1,Y 3 0 ,1 1 PY 3 | X 1 P X 1 0 ,3 3 i Поэтому M Y | X 1 1 PY 1 | X 1 2 PY 2 | X 1 3 PY 3 | X 1 1 1 1 11 1 2 3 2 6 3 6 P( X 0 ) 0 ,05 0 ,1 0 ,15 0 ,3 . P X 0 ,Y 1 0 ,05 1 Тогда PY 1 | X 0 P X 0 0 ,3 6 P X 0 ,Y 2 0 ,1 1 PY 2 | X 0 P X 0 0 ,3 3 P X 0 ,Y 3 0 ,15 1 PY 3 | X 0 P X 0 0 ,3 2 Пусть X 0 , Поэтому M Y | X 0 1 PY 1 | X 0 2 PY 2 | X 0 3 PY 3 | X 0 1 1 1 7 1 2 3 6 3 2 3 Пусть X 2 , P( X 2 ) 0 ,2 0 ,15 0 ,05 0 ,4 . P X 2 ,Y 1 0 ,2 1 Тогда PY 1 | X 2 P X 2 0 ,4 2 P X 2 ,Y 2 0 ,15 3 PY 2 | X 2 P X 2 0 ,4 8 P X 2 ,Y 3 0 ,05 1 PY 3 | X 2 P X 2 0 ,4 8 Поэтому M Y | X 2 1 PY 1 | X 2 2 PY 2 | X 2 3 PY 3 | X 2 1 3 1 13 1 2 3 2 8 8 8 Проверим формулу полного математического ожидания M ( Y ) M Y | X xi P X xi i M(Y ) 11 7 13 0 ,3 0 ,3 0 ,4 1,9 6 3 8 M ( XY ) 1 1 0 ,15 ( 1 ) 2 0 ,05 ( 1 ) 3 0 ,1 0 1 0 ,05 0 2 0 ,1 0 3 0 ,15 2 1 0 ,2 2 2 0 ,15 2 3 0 ,05 0 ,75 M ( X 2 ) ( 1 )2 0 ,3 0 2 0 ,3 2 2 0 ,4 1,9 M ( Y 2 ) 12 0 ,4 2 2 0 ,3 32 0 ,3 4 ,3 Уравнение парной регрессии имеет вид y Ax B , где коэффициенты корреляции могут быть вычислены по формулам M ( XY ) M ( X ) M ( Y ) 0 ,75 0 ,5 1,9 0 ,2 A 0 ,12 , 2 1,9 0 ,5 2 1,65 M ( X 2 ) M ( X ) B M ( Y ) A M ( X ) 1,9 0 ,12 0 ,5 1,96 . Следовательно, получаем уравнение парной регрессии y 0 ,12 x 1,96 . X y -1 0 2 2,08 1,96 1,72 Уравнение парной регрессии имеет вид x ay b , где коэффициенты корреляции могут быть вычислены по формулам M ( XY ) M ( X ) M ( Y ) 0 ,75 0 ,5 1,9 0 ,2 a 0 ,29 , 2 4 ,3 1,9 2 0 ,69 M ( Y 2 ) M ( Y ) b M ( X ) a M ( Y ) 0 ,5 0 ,29 1,9 1,051 . Следовательно, получаем уравнение парной регрессии x 0 ,29 y 1,051. Y x 1 2 3 0,761 0,471 0,181 Решение. Изобразим область распределения системы случайных величин X ,Y : cy 2 , x , y L , Плотность распределения имеет вид f ( x , y ) , где L 0 , x , y L . треугольник, ограниченный прямыми x = 1, y = 0, y-x = 0. f ( x , y )dxdy 1 . Найдем неизвестный параметр С из условия 1 x 1 x f ( x , y )dxdy cy dydx c 2 0 0 1 0 0 1 x 1 y3 x3 y dydx c dx c dx 3 0 3 0 0 2 x4 c c c c 1 0 1 c 12 12 12 12 0 12 12 y 2 , x , y L , Таким образом, f ( x , y ) 0 , x , y L . где L треугольник, ограниченный прямыми x = 1, y = 0, y-x = 0. Одномерные плотности распределения: x y3 1 ( x ) f ( x , y )dy 12 y dy 12 3 0 x 1 ( x ) 0 , если x 0;1 . 2 ( y ) 0 1 y y dx 12 y y 0;1 . f ( x , y )dx 12 2 2 4 y 3 4 x 3 , если x 0;1 0 x 2 x 1 y 0 12 y 2 1 y , если y 0;1 0 2 ( y ) 0 , если Математическое ожидание случайной величины X : 1 1 1 x5 4 m X x 1 ( x )dx x 4 x dx 4 x dx 4 50 5 0 0 3 mX 2 4 1 1 1 x6 2 x 1 ( x )dx x 4 x dx 4 x dx 4 6 0 3 0 0 2 2 3 5 Дисперсия случайной величины X : D( X ) m X 2 2 4 2 m X 2 3 5 2 75 Математическое ожидание случайной величины Y : mY y ( y )dy y 12 y 1 y dy 12 1 1 2 2 0 mY 2 y 0 1 2 1 2 ( y )dy y 12 y 1 y dy 12 2 2 0 0 Дисперсия случайной величины Y : D( Y ) mY 2 mY 2 2 2 3 1 5 5 25 Ковариационный момент: 1 y4 y5 3 y y dy 12 5 0 5 4 3 4 1 y 5 y6 2 y y dy 12 6 0 5 5 4 5 4 3 2 x m X y mY f x , y dxdy 12 x 5 y 5 y dydx K XY 1 x 1 0 0 x 1 12 3 5 x 4 5 y 4 4 y 3 dx 5 x 4 5 x 4 4 x 3 dx 455 0 25 0 0 1 3 25 x 5 40 x 4 16 x 3 dx 25 0 1 3 25 x 6 3 25 1 8 x 5 4 x 4 8 4 25 6 50 0 25 6 Коэффициент корреляции: rXY K XY X Y 1 50 2 1 75 25 0 ,61 . Составим уравнение регрессии y b0 b1 x 1 3 3 4 K XY 3 b1 50 , b0 mY b1 m X 0 . 2 5 4 5 D( X ) 4 75 3 4 Таким образом, уравнение регрессии имеет вид y x . Линейной регрессии!!!!! Составим уравнение регрессии x a0 a1 y ??? Линейной. 1 4 1 3 1 K XY 1 a1 50 , a0 m X a1 mY . 1 5 2 5 2 D( Y ) 2 25 1 2 1 2 Таким образом, уравнение регрессии имеет вид x y . Рисунок должен быть соотнесён с треугольником. Дальше ошибка. Это снова нахождение линейной регрессии (должно совпасть с предыдущим). Найдем регрессию: 𝑚𝑥|𝑦 (𝑦) = 𝑟𝑥𝑦 𝜎𝑥 (𝑦 − 𝑀𝑦 ) + 𝑀𝑥 𝜎𝑦 2⁄ 3 4 3 4 𝑚𝑥|𝑦 (𝑦) = 0,61 ∙ √ 75 (𝑦 − ) + = 0.498 (𝑦 − ) + 1⁄ 5 5 5 5 25 𝑚𝑦|𝑥 (𝑥) = 𝑟𝑥𝑦 𝜎𝑦 (𝑥 − 𝑀𝑥 ) + 𝑀𝑦 𝜎𝑥 1⁄ 4 3 3 4 𝑚𝑦|𝑥 (𝑥) = 0,61 ∙ √ 25 (𝑥 − ) + = 0,747 (𝑥 − ) + 2⁄ 5 5 5 5 75 Регрессия это линия средних в сечениях (математическое ожидание Y при фикс. X). Эта линия при 𝑥 ∈ (0,1)целиком лежит в треугольнике и может не быть прямой. 𝑓(𝑥,𝑦) Нужно найти условную плотность 𝑓𝑌|𝑥 (𝑦|𝑥) = 𝑓 (𝑥) и 𝑚𝑌|𝑋 (𝑥) = (сечение). 𝑏 ∫𝑎 𝑦𝑓𝑌|𝑋 (𝑦|𝑥)𝑑𝑦, 𝑋 где [a,b] – отрезок прямой y=x, заключённый в треугольнике