Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe Momenty Niezależność zmiennych losowych Kowariancja Współczynnik korelacji 1
Podstawowe pojęcia Uogólniamy dystrybuantę dla funkcji dwóch zmiennych: F x, y =P X x,y y Oraz gęstość prawodpodobieństwa: f x, y = x I podobnie obliczamy prawdopodobieństwo zajścia zdarzenia a<x<b, c<y<d : P a X b, c Y d = a b [ c d y F x, y Obie zmienne: X i Y mogą być ciągłe, lub dyskretne. Zachowane są też podstawowe własności: 0 P x, y 1; f x, y dy]dx dx dy P x, y =1 2
Dystrybuanta 3
Rozkład brzegowy Wycałkowując po jednej ze zmiennych otrzymujemy rozkład jednej zmiennej, zwany rozkładem brzegowym: Analogicznie definiujemy rozkład brzegowy y: Możemy zdefiniować niezależność zmiennych X i Y poprzez ich rozkłady brzegowe. Jeśli spełniona jest zależnosć: To mówimy, że zmienne X i Y są niezależne g x = h y = f x, y dy f x, y dx f x, y =g x h y 4
Graficzna reprezentacja 5
f x, y =gaus x gaus y TAK Niezależność zmiennych f x, y =1/[ a b c d ]; a x b,c y d TAK f x, y =1/ R 2 ; x 2 y 2 R NIE f x, y =2/a 2 ; x y a NIE 6
Prawdopodobieństwo warunkowe Prawdopodobieństwo warunkowe, czyli Można zdefiniować przez gęstość brzegową: czyli P y Y y dy x X x dx f y x = f x, y g x P y Y y dy x X x dx f y x dy i możemy rozszerzyć regułę całkowitego prawdopodobieństwa: h y = Dla zmiennych niezależnych mamy: f x, y dx= f y x g x dx f y x = f x, y = g x g x h y =h y g y 7
Charakterystyki rozkładów Analogicznie do rozkładów jednowymiarowych definiujemy wartość oczekiwaną funkcji: E {H X,Y }= Oraz wariancję: H x, y f x, y dxdy 2 [ H X,Y ]=E {[ H X,Y E H X,Y ] 2 } Szczególną rolę pełnią wartości oczekiwane funkcji o postaci H(X,Y)=x l y m, gdzie l i m są liczbami całkowitymi nieujemnymi. Są to momenty rzędu l i m względem x i y. Oznaczamy je symbolami: lm =E {x l y m } 8
Charakterystyki rozkładów - cd. Można wybrać funkcję H bardziej ogólnie: a wartości oczekiwane H x, y = x a l y b m lm =E { x a l y b m } nazywane są momentami rzędu l i m względem punktów a i b. Szczególnie użyteczne są tzw. momenty centralne, czyli momenty względem λ 01 i λ 10 : lm =E { x 10 l y 01 m } 9
Momenty - własności Wiele charakterystyk rozkładów dwuwymiarowych daje się prosto wyrazić poprzez momenty: 00 = 00 =1 10 = 01 =0 01 =E y = y 10 =E x = x - Aksjomat o normalizacji prawdopodobieństwa - z definicji wartości średniej - definicje wartości średnich 20 =E [ X x 2 ]= 2 x 02 =E[ Y y 2 ]= 2 y - definicje wariancji 11 =E [ x x y y ]=cov x, y - definicja kowariancji 10
Kowariancja i współczynnik korelacji Kowariancja nie ma odpowiednika w rozkładach jednej zmiennej. Dodatnia lub ujemna kowariancja oznaczają, odpowiednio: cov x, y 0 X x Y y Często stosuje się też współczynnik korelacji: x, y = cov x, y 0 X x Y y cov x, y x y który można traktować jako znormalizowaną kowariancję. Przyjmuje wartości od -1 do 1 i ma znak kowariancji. 11
Kowariancja x, y =1 x, y = 1 Rozkłady o maksymalnej kowariancji y cov x, y 0 cov x, y 0 cov x, y 0 y y y y y x x x x x x 12
Kombinacja liniowa Dla przykładu możemy rozpatrzeć kombinację liniową dwóch zmiennych: Możemy wyznaczyć wartość oczekiwaną: A także wariancję: H x, y =ax by E {ax by }=a E {x} b E { y } 2 ax by =E {[ ax by E ax by ] 2 } =E {[a x x b y y ] 2 } =E {a 2 x x 2 b 2 y y 2 2 ab x x y y } =a 2 2 x b 2 2 y 2 ab cov x, y 13
Korelacja a niezależność zmiennych f x, y =gaus x gaus y cov x, y =0 f x, y =1/[ a b c d ]; a x b,c y d cov x, y =0 f x, y =1/ R 2 ; x 2 y 2 R cov x, y =0 f x, y =1/a ; x y a cov x, y =2.48 x, y =0.945 14
Przykłady rozkładów eksperymentalnych Pions cov x, y =7.01 10 5 x =1.8 10 2 y =5.3 10 3 x, y =0.725 cov x, y =0.32 x =45.0 y =0.0063 x, y =0.11 Zmierzone zależności pomiędzy średnim pędem poprzecznym cząstek a nachyleniem ich rozkładów pędowych W górnym wykresie widać bardzo jasną korelację, w dolnym nie jest tak widoczna 15
Przykład nieskorelowany Średni pęd poprzeczny mezonów pi vs. średni pęd poprzeczny mezonów K Widać brak współzależnośc między tymi wielkościami: cov x, y =7.2 10 8 x =6.3 10 3 y =2.7 10 2 x, y =4.2 10 4 16