Совместное распределение случайных величин может быть задано, например, с помощью таблицы, если X и У принимают конечное или счетное множество значений.
Закон совместного распределения случайных величин X и У может быть задан с помощью совместной функции распределения:
Определение 2.25. Если задан совместный закон распределения случайных величин X и У, то частное (.маржинальное) распределение случайной величины X имеет вид.
для дискретного случая и.
для непрерывного случая, где fx(x) — функция плотности для непрерывной случайной величины.
Математические ожидания и дисперсии случайных величин X и У определяются согласно формулам из определений 2.16 и 2.20.
Определение 2.26. Условная плотность распределения определяется следующим образом:
в непрерывном случае.
Определение 2.27. Если P (Y = Y-X = Х;) = Р (У = Yj) для всех i = 1,…, п для дискретного случая или f (yx) = f (y) для непрерывного случая, то случайные величины X и У называются независимыми.
В случае независимости случайных величин X и У:
• Р (Х = X,-, У = Yj) = Р (Х = Х;)Р (У = Уу) в дискретном случае;
* А*, У) = fx (x)fy (y) в непрерывном случае.
Определение 2.28. Условным математическим ожиданием называется величина.
в дискретном случае и.
в непрерывном случае.
Для построения условной дисперсии и ковариации также необходимо использовать условную вероятность.
Стоит отметить, что обобщением двумерных случайных величии, имеющих совместное распределение, служат случайные векторы.
(хл Аналогом математического ожидания для случайного вектора X = :
Л,.
'Е{ХУ
является вектор математических ожиданий ц = Е (Х) =: , а аналогом ад,).
дисперсии — ковариационная матрица[1]
где а". = var (X,), а,; = cov (X, X), i, j = 1,п.
- [1] Также далее для ковариационной матрицы используется обозначение V.