Ковариация двух случайных величин - разбор | Вероятность и статистика 11 класс

На этой странице собраны подробные, доступные и систематизированные учебные материалы по теме «Ковариация двух случайных величин» для учащихся 11 класса в рамках углублённого курса «Вероятность и статистика». Эксперты и методисты платформы Экзамео разработали этот практический справочник, чтобы помочь выпускникам освоить понятие совместной изменчивости величин, научиться вычислять ковариацию и коэффициент корреляции, применять свойства линейных комбинаций и успешно подготовиться к контрольным работам и ЕГЭ по математике.

В исследованиях часто важно узнать не просто характеристики отдельной случайной величины, а то, как две величины меняются вместе (согласованно). Например, существует ли связь между временем подготовки к экзамену и получённым баллом или между ростом и весом человека? Для измерения степени линейной зависимости между двумя случайными величинами используется ковариация.

Что такое ковариация случайных величин

Ковариация (ковариационный момент) двух случайных величин $X$ и $Y$ — это математическое ожидание произведения их отклонений от своих математических ожиданий.

• Обозначение: $\text{Cov}(X, Y)$ или $\text{cov}(X, Y)$ , а также $K_{XY}$ .

• Определяющая формула:

Расчётная формула ковариации

При решении практических задач исходное определение используют редко. Для вычислений применяется более простая рабочая формула:

$\text{Cov}(X, Y) = E(X \cdot Y) - E(X) \cdot E(Y)$

То есть ковариация равна математическому ожиданию произведения величин минус произведение их математических ожиданий.

Ковариация и независимость случайных величин

Между понятиями независимости и ковариации существует важнейшая связь:

Если X и Y независимы ➡️

Если величины $X$ и $Y$ независимы, то $E(X \cdot Y) = E(X) \cdot E(Y)$ , а значит их ковариация всегда равна нулю:

$\text{Cov}(X, Y) = 0$

Важная оговорка! ⚠️

Равенство $\text{Cov}(X, Y) = 0$ называют некоррелированностью.

Внимание: Обратное утверждение в общем случае неверно! Из $\text{Cov}(X, Y) = 0$ не всегда следует независимость (может существовать нелинейная связь!).

Основные свойства ковариации

При выполнении алгебраических преобразований над случайными величинами применяются следующие свойства:

Свойство

Формульная запись

Симметричность

$\text{Cov}(X, Y) = \text{Cov}(Y, X)$

Ковариация с самой собой (Дисперсия)

$\text{Cov}(X, X) = D(X)$

Вынос константы

$\text{Cov}(aX, bY) = a \cdot b \cdot \text{Cov}(X, Y)$

Ковариация с константой

$\text{Cov}(X, C) = 0$

Линейность (Сложение аргументов)

$\text{Cov}(X_1 + X_2, Y) = \text{Cov}(X_1, Y) + \text{Cov}(X_2, Y)$

💡 Формула дисперсии суммы задействует ковариацию:

Для зависимых случайных величин дисперсия их суммы выражается через ковариацию:

$D(X + Y) = D(X) + D(Y) + 2 \cdot \text{Cov}(X, Y)$

$D(X - Y) = D(X) + D(Y) - 2 \cdot \text{Cov}(X, Y)$

Коэффициент линейной корреляции

Главный недостаток ковариации состоит в том, что её величина зависит от единиц измерения (например, если измерять рост в метрах или миллиметрах, значение изменится). Чтобы избавиться от единиц измерения, ковариацию нормируют и получают коэффициент линейной корреляции Пирсона:

$r_{XY} = \frac{\text{Cov}(X, Y)}{\sigma(X) \cdot \sigma(Y)} = \frac{\text{Cov}(X, Y)}{\sqrt{D(X) \cdot D(Y) }}$

Границы коэффициента корреляции 📏

Коэффициент корреляции всегда принимает значения в отрезке от $-1$ до $1$ :

$-1 \le r_{XY} \le 1$

Интерпретация значения r 🎯

• $r_{XY} = 1$ — строгая прямая линейная связь;

• $r_{XY} = -1$ — строгая обратная линейная связь;

• $r_{XY} = 0$ — линейная связь отсутствует.

Алгоритм вычисления ковариации

Чтобы без ошибок вычислить ковариацию для двух дискретных случайных величин $X$ и $Y$ в 11 классе, придерживайтесь этой инструкции:

Порядок действий: Пошаговый алгоритм

**Вычислите математические ожидания $E(X)$ и $E(Y)$ :** перемножьте значения величин на их вероятности и сложите их.

**Найдите закон распределения произведения $X \cdot Y$ :** найдите все возможные произведения $x_i \cdot y_j$ и их совместные вероятности $p_{ij} = P(X = x_i, Y = y_j)$ .

**Вычислите математическое ожидание произведения $E(XY)$ :** $E(XY) = \sum x_i y_j p_{ij}$ .

Примените рабочую формулу: $\text{Cov}(X, Y) = E(XY) - E(X) \cdot E(Y)$ .

Типичные ошибки при вычислении ковариации

При синтаксическом и вероятностном анализе заданий выпускники чаще всего допускают следующие две ошибки:

Ошибка 1: Забывание выноса двух констант из ковариации ❌

Писать $\text{Cov}(2X, 3Y) = 2 \cdot \text{Cov}(X, Y)$ . Запомните: ковариация линейна по обоим аргументам, поэтому выносятся ОБА множителя: $\text{Cov}(2X, 3Y) = 2 \cdot 3 \cdot \text{Cov}(X, Y) = 6 \cdot \text{Cov}(X, Y)$ !

Ошибка 2: Приравнивание равенства ковариации нулю к независимости ❌

Считать, что если $\text{Cov}(X, Y) = 0$ , то величины гарантированно независимы. Напоминаем: ковариация отвечает только за ЛИНЕЙНУЮ связь. Нелинейная функциональная зависимость (например, $Y = X^2$ при симметричном распределении) может давать $\text{Cov}(X, Y) = 0$ !

Подробный разбор практических задач

Рассмотрите примеры решения типовых задач по теме «Ковариация случайных величин» из курса 11 класса.

Пример 1: Вычисление ковариации Cov(X, Y) по совместной таблице

Задание: Совместное распределение величин $X$ (значения 1 и 2) и $Y$ (значения 0 и 3) задано вероятностями: $P(1, 0) = 0{,}2$ ; $P(1, 3) = 0{,}3$ ; $P(2, 0) = 0{,}1$ ; $P(2, 3) = 0{,}4$ . Найдите ковариацию $\text{Cov}(X, Y)$ .

Подробное решение:

1) **Найдём $E(X)$ :**

$P(X = 1) = 0{,}2 + 0{,}3 = 0{,}5$ ; $P(X = 2) = 0{,}1 + 0{,}4 = 0{,}5$ .

$E(X) = 1 \cdot 0{,}5 + 2 \cdot 0{,}5 = 0{,}5 + 1{,}0 = 1{,}5$ .

2) **Найдём $E(Y)$ :**

$P(Y = 0) = 0{,}2 + 0{,}1 = 0{,}3$ ; $P(Y = 3) = 0{,}3 + 0{,}4 = 0{,}7$ .

$E(Y) = 0 \cdot 0{,}3 + 3 \cdot 0{,}7 = 2{,}1$ .

3) **Найдём $E(X \cdot Y)$ :**

$E(XY) = (1 \cdot 0) \cdot 0{,}2 + (1 \cdot 3) \cdot 0{,}3 + (2 \cdot 0) \cdot 0{,}1 + (2 \cdot 3) \cdot 0{,}4$

$E(XY) = 0 + 0{,}9 + 0 + 2{,}4 = 3{,}3$ .

4) Вычислим ковариацию:

$\text{Cov}(X, Y) = E(XY) - E(X) \cdot E(Y) = 3{,}3 - (1{,}5 \cdot 2{,}1) = 3{,}3 - 3{,}15 = 0{,}15$ .

Ответ: $\text{Cov}(X, Y) = 0{,}15$ .

Пример 2: Нахождение D(X + Y) для зависимых величин

Задание: Известно, что $D(X) = 4$ , $D(Y) = 9$ , а ковариация между ними равна $\text{Cov}(X, Y) = -2$ . Найдите дисперсию величины $Z = 3X - Y$ .

Подробное решение:

1) Используем формулу дисперсии линейной комбинации с учётом ковариации:

$D(3X - Y) = D(3X) + D(-Y) + 2 \cdot \text{Cov}(3X, -Y)$ .
2) Преобразуем компоненты:

• $D(3X) = 3^2 D(X) = 9 \cdot 4 = 36$ .

• $D(-Y) = (-1)^2 D(Y) = 1 \cdot 9 = 9$ .

• $\text{Cov}(3X, -Y) = 3 \cdot (-1) \cdot \text{Cov}(X, Y) = -3 \cdot (-2) = 6$ .
3) Подставим все найденные значения:

$D(3X - Y) = 36 + 9 + 2 \cdot 6 = 45 + 12 = 57$ .

Ответ: $D(3X - Y) = 57$ .

Задания и тренажёры по вероятности за 11 класс на Экзамео

На интерактивной образовательной платформе Экзамео подготовлена масштабная база проверочных заданий и онлайн-тренажёров по теме «Ковариация двух случайных величин» для 11 класса. Систематическая практика на нашем тренажёре поможет научиться свободно вычислять ковариационные моменты и коэффициенты корреляции, успешно готовиться к контрольным работам и сдать профильный ЕГЭ по математике на высший балл!

Переходите к интерактивным тренажёрам по теме «Ковариация случайных величин» на Экзамео. Тренируйтесь в удобном для вас ритме, повышайте уровень математической грамотности и достигайте лучших результатов вместе с нами!