4.

Rozkłady Dwóch Zmiennych Dyskretnych

4.1 Rozkłady Łączne Dwóch Zmiennych Dyskretnych

Zakładamy że zmienne dyskretne X i Y mają nośniki SX i SY ,
odpowiednio.
Rozkład łączny zmiennych X i Y jest określony zbiorem
prawdopodobieństw {P(X = x, Y = y )}x∈SX ,y ∈SY .
Rozkład łączny spełnia

P(X = x, Y = y )­0
X X
P(X = x, Y = y )=1.
x∈SX y ∈SY

1 / 37
Rozkłady Łączne Dwóch Zmiennych Dyskretnych

Gdy SX i SY są małymi zbiorami, rozkład łączny zmiennych X i Y

zwykle się przedstawia za pomocą tabelki, np.

Y = −1 Y =0 Y =1
1
X =0 0 3 0
1 1
X =1 3 0 3

Tutaj P(X = 0, Y = −1) = 0, P(X = 0, Y = 0) = 13 , itp.

2 / 37
4.2 Rozłady Brzegowe
Należy zanotować że gdy sumujemy po danym wierszu (czyli po
wszystkich możliwych realizacjach zmiennej Y dla ustalonej
wartości realizacji zmiennej X ), otrzymujemy prawdopodobieństwo
tego że X przyjmuje odpowiednią wartość, czyli
X
P(X = x) = P(X = x, Y = y ).
y ∈SY

Podobnie, gdy sumujemy po danej kolumnie (czyli po wszystkich

możliwych realizacjach zmiennej X dla ustalonej wartości realizacji
zmiennej Y ), otrzymujemy prawdopodobieństwo tego że Y
przyjmuje odpowiednią wartość, czyli
X
P(Y = y ) = P(X = x, Y = y ).
x∈SX

3 / 37
Rozłady Brzegowe

Rozkłady zmiennych X i Y otrzymanych w ten sposób są zwane

rozkładami brzegowymi.
Rozkłady brzegowe posiadają wszystkie standardowe własności
rozkładu prawdopodobieństwa, czyli
X
P(X = x) ­ 0; P(X = x) = 1.
x∈SX

Rozkłady brzegowe dla przykładu z 2-giego slajdu podano na

następnym slajdzie

4 / 37
Rozłady Brzegowe

Y = −1
P
Y =0 Y =1
1 1
X =0 0 3 0 3 [P(X = 0)]
1 1 2
X =1 3 0 3 3 [P(X = 1)]
1 1 1
[P(Y = −1)]
P
3 3 [P(Y = 0)] 3 [P(Y = 1)] 1

5 / 37
4.3 Niezależność dwóch Zmiennych Losowych

Dwie zmienne losowe X i Y są niezależne wtedy i tylko wtedy gdy

P(X = x, Y = y ) = P(X = x)P(Y = y ), ∀x ∈ SX , y ∈ SY .

Aby udowodnić że zachodzi niezależność, trzeba pokazać iż

warunek ten jest spełniony dla każdej komórki rozkładu łącznego.

6 / 37
4.4 Wartość Oczekiwana Funkcji dwóch Zmiennych
Losowych

Wartość oczekiwana funkcji g (X , Y ) dwóch zmiennych losowych

wyraża się wzorem
X X
E [g (X , Y )] = g (x, y )P(X = x, Y = y ).
x∈SX y ∈SY

W szczególności, wartość oczekiwana zmiennej X wyraża się

wzorem X X
E [X ] = xP(X = x, Y = y ).
x∈SX y ∈SY

Należy zanotować że jeżeli już wyznaczyliśmy rozkład brzegowy

zmiennej X , łatwiej wyznaczyć E [X ] z tego rozkładu brzegowego.

7 / 37
4.5 Kowariancja i Współczynnik Korelacji

Kowariancja między zmiennymi X a Y , Cov (X , Y ) wyraża się

wzorem
Cov (X , Y ) = E (XY ) − E (X )E (Y )
Należy zanotować że z definicji
Cov (X , X ) = E (X 2 ) − E (X )2 = Var (X ). W dodatku, dla
dowolnych stałych a, b

Cov (X , aY + b) = aCov (X , Y ).

Współczynnik korelacji między zmiennymi X a Y wyraża się

wzorem
Cov (X , Y )
ρ(X , Y ) = p .
Var (X )Var (Y )

8 / 37
Własności Współczynnika Korelacji
1. −1 ¬ ρ(X , Y ) ¬ 1.
2. Jeżeli |ρ(X , Y )| = 1, wtedy istnieje liniowy związek
deterministyczny między X a Y , czyli Y = aX + b.
Gdy ρ(X , Y ) = 1, wtedy a > 0. Gdy ρ(X , Y ) = −1,
wtedy a < 0.
3. Jeżeli zmienne X i Y są niezależne, wtedy
ρ(X , Y ) = 0. Należy zanotować że gdy ρ(X , Y ) = 0,
X i Y nie muszą być niezależne. (zob. Przykład 4.1).
Natomiast, gdy ρ(X , Y ) ̸= 0, wtedy X i Y są
zależne.
4. Jeżeli a > 0, wtedy ρ(X , aY + b) = ρ(X , Y ), czyli
współczynnik korelacji nie zależy od jednostek, w
których zmierzono zmienne. Jeżeli a < 0, wtedy
ρ(X , aY + b) = −ρ(X , Y ).
9 / 37
Przykład 4.1

Dyskretne zmienne losowe X i Y mają następujący rozkład łączny:

Y = −1 Y =0 Y =1
1
X =0 0 3 0
1 1
X =1 3 0 3

a) Wyznaczyć i) P(X > Y ),

ii) rozkłady brzegowe zmiennych X i Y ,
iii) wartości oczekiwane oraz wariancje zmiennych X i Y ,
iv) współczynnik korelacji między X a Y .
b) Czy X i Y są niezależne?

10 / 37
Przykład 4.1

a) i) Sumujemy po wszystkich komórkach gdzie warunek X > Y

jest spełniony

P(X > Y )=P(X = 0, Y = −1)+P(X = 1, Y = −1)+P(X = 1, Y = 0)

1 1
=0 + + 0 =
3 3

11 / 37
Przykład 4.1

ii)

Y = −1
P
Y =0 Y =1
1 1
X =0 0 3 0 3 [P(X = 0)]
1 1 2
X =1 3 0 3 3 [P(X = 1)]
1 1 1
[P(Y = −1)]
P
3 3 [P(Y = 0)] 3 [P(Y = 1)] 1

12 / 37
Przykład 4.1

iii) SX = {0, 1}
X
E (X )= xP(X = x)
x∈SX
2 2
=0P(X = 0) + 1P(X = 1) = 1 × =
X
3 3
E (X 2 )= x 2 P(X = x)
x∈SX
2 2
=02 P(X = 0) + 12 P(X = 1) = 1 × =
3 3
Więc
2 4 2
Var (X ) = E (X 2 ) − E (X )2 = − = .
3 9 9

13 / 37
Przykład 4.1
SY = {−1, 0, 1}
X
E (Y )= yP(Y = y )
y ∈SY
1 1
=−1P(Y = −1)+0P(Y = 0)+1P(Y = 1) = −1 × +1× = 0
X 3 3
2 2
E (Y )= y P(Y = y )
y ∈SY
1 1 2
=(−1)2 P(Y = −1)+02 P(Y = 0)+12 P(Y = 1) = 1× +1 × =
3 3 3
Więc
2
Var (Y ) = E (Y 2 ) − E (Y )2 = .
3
Uwaga: E (Y ) = 0 wynika z symetrii rozkładu względem Y = 0.

14 / 37
Przykład 4.1

iv) Cov (X , Y ) = E (XY ) − E (X )E (Y )

X X
E (XY ) = xyP(X = x, Y = y ).
x∈SX y ∈SY

Sumujemy po wszystkich komórkach rozkładu łącznego

1 1
E (XY ) = 0 + 0 + 0 + (−1) × + 0 + 1 × = 0.
3 3
Więc
2
Cov (X , Y ) = 0 − × 0 = 0.
3

15 / 37
Przykład 4.1

Cov (X , Y )
ρ(X , Y ) = p = 0.
Var (X )Var (Y )

16 / 37
Przykład 4.1

b) Skoro ρ(X , Y ) = 0 należy sprawdzić z definicji czy X i Y są

niezależne. Na przykład
1 1
P(X = 0, Y = −1) = 0 ̸= P(X = 0)P(Y = −1) = ×
3 3
Zatem, zmienne X i Y są zależne.

17 / 37
4.6 Rozkłady Warunkowe i Warunkowe Wartości
Oczekiwane

Warunkowy rozkład zmiennej X przy warunku Y = y , gdzie

y ∈ SY jest zbiorem {P(X = x|Y = y )}x∈SX . Mamy

P(X = x, Y = y )
P(X = x|Y = y ) = .
P(Y = y )

Analogicznie, warunkowy rozkład zmiennej Y przy warunku X = x,

gdzie x ∈ SX jest zbiorem {P(Y = y |X = x)}y ∈SY . Mamy

P(X = x, Y = y )
P(Y = y |X = x) = .
P(X = x)

18 / 37
Warunkowe Wartości Oczekiwane

Warunkową wartość oczekiwaną funkcji g (X ) przy warunku Y = y

oznaczamy przez E [g (X )|Y = y ]. Mamy
X
E [g (X )|Y = y ] = g (x)P(X = x|Y = y ).
x∈SX

W szczególności,
X
E [X |Y = y ] = xP(X = x|Y = y ).
x∈SX

Warunkowa wartość oczekiwana funkcji g (Y ) przy warunku X = x

jest zdefiniowana w sposób analogiczny.

19 / 37
Niezależność i Rozkłady Warunkowe

Zmienne losowe X i Y są niezależne wtedy i tylko wtedy gdy dla

każdego x ∈ SX

P(X = x|Y = y ) = P(X = x), dla każdego y ∈ SY .

Jest to warunek konieczny i wystarczający.

Intuicyjnie, X jest niezależne od Y gdy rozkład zmiennej X nie
zależy od realizacji zmiennej Y .

20 / 37
Niezależność i Warunkowe Wartości Oczekiwane

Gdy zmienne losowe X i Y są niezależne

E (X |Y = y ) = E (X ), dla każdego y ∈ SY .

Jest to warunek konieczny, ale nie wystarczający żeby X i Y były

niezależne.
Ale gdy ten warunek jest spełniony, wtedy ρ(X , Y ) = 0.
Intuicyjnie, gdy X jest niezależne od Y , wartość oczekiwana E (X )
nie zależy od realizacji zmiennej Y .

21 / 37
Przykład 4.2

Zmienne losowe X i Y mają następujący rozkład łączny:

Y = −1 Y =0 Y =1
1
X =0 0 3 0
1 1
X =1 3 0 3

a) Wyznaczyć warunkowy rozkład zmiennej Y przy

warunku i) X = 0, ii) X = 1.
b) Wyznaczyć warunkową wartość oczekiwaną zmiennej
Y przy warunku i) X = 0, ii) X = 1.
c) W oparciu o twoje wyniki z części a) i b), czy można
stwierdzić że X i Y są i) zależne, ii) niezależne?
Krótko uzasadnić twoją odpowiedź.

22 / 37
Przykład 4.2

a) Y przyjmuje wartości ze zbioru SY = {−1, 0, 1}.

i) Przy warunku X = 0

P(X = 0, Y = −1)
P(Y = −1|X = 0)= =0
P(X = 0)
P(X = 0, Y = 0) 1/3
P(Y = 0|X = 0)= = =1
P(X = 0) 1/3
P(X = 0, Y = 1)
P(Y = 1|X = 0)= =0
P(X = 0)

23 / 37
Przykład 4.2

ii) Przy warunku X = 1

P(X = 1, Y = −1) 1/3 1

P(Y = −1|X = 1)= = =
P(X = 1) 2/3 2
P(X = 1, Y = 0)
P(Y = 0|X = 1)= =0
P(X = 1)
P(X = 1, Y = −1) 1/3 1
P(Y = 1|X = 1)= = =
P(X = 1) 2/3 2

24 / 37
Przykład 4.2

b) i) Przy warunku X = 0
X
E (Y |X = 0)= yP(Y = y |X = 0)
y ∈SY
=−1 × 0 + 0 × 1 + 1 × 0 = 0

ii) Przy warunku X = 1

X
E (Y |X = 1)= yP(Y = y |X = 1)
y ∈SY
1 1
=−1 × + 0 × 0 + 1 × = 0.
2 2

25 / 37
Przykład 4.2

c) E (Y |X = 0) = E (Y |X = 1) = 0 (czyli warunkowa wartość

oczekiwana zmiennej Y nie zależy od X ), więc ρ(X , Y ) = 0.
Ale rozkład warunkowy zmiennej Y zależy od X .
Wynika z tego, iż zmienne X i Y są zależne.

26 / 37
Regresja Probabilistyczna przy Dwóch Zmiennych
Dyskretnych

Wykres regresji probabilistycznej dla zmiennej Y względem

zmiennej X składa się ze zbioru punktów {(x, E [Y |X = x])}x∈SX .
Czyli na osi x mamy wartości zmiennej X , a na osi y mamy
warunkowe wartości oczekiwane zmiennej Y .

27 / 37
Regresja Probabilistyczna przy Dwóch Zmiennych
Dyskretnych
1.0
0.5
E(Y|X=x)

0.0
−0.5
−1.0

0.0 0.2 0.4 0.6 0.8 1.0

28 / 37
Regresja Probabilistyczna i Współczynnik Korelacji

1. Gdy E (Y |X = x) rośnie względem x, wtedy

ρ(X , Y ) > 0.
2. Gdy E (Y |X = x) maleje względem x, wtedy
ρ(X , Y ) < 0.
3. Gdy E (Y |X = x) nie zależy od x, wtedy
ρ(X , Y ) = 0.
4. Gdy E (Y |X = x) nie jest monotoniczne, wtedy
ρ(X , Y ) może być ujemne, dodatnie lub równe zeru.

29 / 37
4.7 Wylosowanie Liczb Pseudolosowych z Rozkładu
Łącznego
Gdy para liczb (X , Y ) jest zależna, można
a) wylosować parę realizacji (x, y ) z rozkładu łącznego za pomocą
metody p’stw skumulowanych, lub
b) wylosować x z rozkładu brzegowego, a potem wylosować y z
odpowiedniego rozkładu warunkowego (lub analogicznie najpierw
y , a potem x).
Na przykład, zakładamy że chcemy wylosować z rozkładu łącznego
P
Y =0 Y =1 Y =2
X =0 0.1 0.2 0.3 0.6
X =1 0.0 0.05 0.35 0.4

30 / 37
Wylosowanie Liczb Pseudolosowych z Rozkładu Łącznego

a) Bezpośrednio z rozkładu łącznego Uporządkujemy p’stwa w

kolejności malejącej (razem z odpowiadającymi im parami
realizacji).
Wyznaczamy p’stwa skumulowane.

p s (X , Y )
0.35 0.35 (1; 2)
0.3 0.65 (0; 2)
0.2 0.85 (0; 1)
0.1 0.95 (0; 0)
0.05 1 (1; 1)

31 / 37
Wylosowanie Liczby Pseudolosowej z Rozkładu Łącznego -
Pseudokod

Wygenerować u
Jeżeli u < 0.35, {x = 1; y = 2}
Inaczej, jeżeli u < 0.65, {x = 0; y = 2}
Inaczej, jeżeli u < 0.85, {x = 0; y = 1}
Inaczej, jeżeli u < 0.95, {x = 0; y = 0}
Inaczej, {x = 1; y = 1}.

32 / 37
Wylosowanie Liczby Pseudolosowej z Rozkładów
Warunkowych
Wygenerować u1 (aby wygenerowć x z rozkładu brzegowego)
Wygenerować u2 (aby wygenerowć y z rozkładu warunkowego)
Jeżeli u1 < 0.6, {x = 0
Jeżeli u2 < 0.5, {y = 2}
Inaczej jeżeli u2 < 5/6, {y = 1}
Inaczej {y = 0}
}
Inaczej, {x = 1
Jeżeli u2 < 7/8, {y = 2}
Inaczej, {y = 1}
}
33 / 37
Wylosowanie Liczb Pseudolosowych z Rozkładu Łącznego

Gdy X i Y są niezależne, możemy wylosować X i Y osobno

według rozkładów brzegowych.
Na przykład, zakładamy że chcemy wylosować z rozkładu łącznego
P
Y =0 Y =1 Y =2
1 1 1 1
X =0 18 9 6 3
1 2 1 2
X =1 9 9 3 3
P 1 1 1
6 3 2 1

34 / 37
Wylosowanie Liczb Pseudolosowych z Rozkładu Łącznego

Skoro P(X = x, Y = y ) = P(X = x)P(Y = y ) dla każdej pary

x ∈ {0; 1}, y ∈ {0; 1; 2}, X i Y są niezależne.
Mamy P(X = 0) = 13 , P(X = 1) = 23 .
P(Y = 0) = 61 , P(Y = 1) = 31 , P(Y = 2) = 1
2

35 / 37
Wylosowanie Liczb Pseudolosowych z Rozkładu Łącznego

Więc, aby wylosować realizację x:

Wygenerować u1
Jeżeli u1 < 23 , x = 1
Inaczej, x = 0
Podać x

36 / 37
Wylosowanie Liczb Pseudolosowych z Rozkładu Łącznego

Podobnie, aby wylosować realizację y :

Wygenerować u2
Jeżeli u2 < 12 , y = 2
Inaczej, jeżeli u2 < 56 , y = 1
Inaczej, y = 0
Podać y

37 / 37