Материал из Википедии — свободной энциклопедии
Полиномиа́льное (мультиномиа́льное) распределе́ние [ 1] в теории вероятностей — это обобщение биномиального распределения на случай n>1 независимых испытаний случайного эксперимента с k>2 возможными исходами.
ОпределениеПусть X 1 , … , X n {\displaystyle X_{1},\ldots ,X_{n}} — независимые одинаково распределённые случайные величины , такие, что их распределение задаётся функцией вероятности [ 2] :
P ( X i = j ) = p j , j = 1 , … , k {\displaystyle \mathbb {P} (X_{i}=j)=p_{j},\;j=1,\ldots ,k} .Интуитивно событие { X i = j } {\displaystyle \{X_{i}=j\}} означает, что испытание с номером i {\displaystyle i} привело к исходу j {\displaystyle j} . Пусть случайная величина Y j {\displaystyle Y_{j}} равна количеству испытаний, приведших к исходу j {\displaystyle j} :
Y j = ∑ i = 1 n 1 { X i = j } , j = 1 , … , k {\displaystyle Y_{j}=\sum _{i=1}^{n}\mathbf {1} _{\{X_{i}=j\}},\;j=1,\ldots ,k} .Тогда распределение вектора Y = ( Y 1 , … , Y k ) ⊤ {\displaystyle \mathbf {Y} =(Y_{1},\ldots ,Y_{k})^{\top }} имеет функцию вероятности
p Y ( y ) = { ( n y 1 … y k ) p 1 y 1 … p k y k , ∑ j = 1 k y j = n 0 , ∑ j = 1 k y j ≠ n , y = ( y 1 , … , y k ) ⊤ ∈ N 1 k {\displaystyle p_{\mathbf {Y} }(\mathbf {y} )=\left\{{\begin{matrix}{n \choose {y_{1}\ldots y_{k}}}p_{1}^{y_{1}}\ldots p_{k}^{y_{k}},&\sum \limits _{j=1}^{k}y_{j}=n\\0,&\sum \limits _{j=1}^{k}y_{j}\not =n\end{matrix}}\right.,\quad \mathbf {y} =(y_{1},\ldots ,y_{k})^{\top }\in \mathbb {N} _{1}^{k}} ,где
( n y 1 … y k ) ≡ n ! y 1 ! … y k ! {\displaystyle {n \choose {y_{1}\ldots y_{k}}}\equiv {\frac {n!}{y_{1}!\ldots y_{k}!}}} — мультиномиальный коэффициент .
Вектор средних и матрица ковариацииМатематическое ожидание случайной величины Y j {\displaystyle Y_{j}} имеет вид[ 2] : E [ Y j ] = n p j {\displaystyle \mathbb {E} [Y_{j}]=np_{j}} . Диагональные элементы матрицы ковариации Σ = ( σ i j ) {\displaystyle \Sigma =(\sigma _{ij})} являются дисперсиями биномиальных случайных величин , а следовательно
σ j j = D [ Y j ] = n p j ( 1 − p j ) , j = 1 , … , k {\displaystyle \sigma _{jj}=\mathrm {D} [Y_{j}]=np_{j}(1-p_{j}),\;j=1,\ldots ,k} .Для остальных элементов имеем
σ i j = c o v ( Y i , Y j ) = − n p i p j , i ≠ j {\displaystyle \sigma _{ij}=\mathrm {cov} (Y_{i},Y_{j})=-np_{i}p_{j},\;i\not =j} .Ранг матрицы ковариации мультиномиального распределения равен k − 1 {\displaystyle k-1} .
Примечания
ЛитератураМ. де Гроот [англ.] . Оптимальные статистические решения = Optimal Statistical Decisions. — М. : Мир, 1974. — 492 с.
У этой статьи
есть 2 проблемы , помогите их
исправить: Достоверность этой статьи поставлена под сомнение .
Необходимо проверить точность фактов и достоверность сведений, изложенных в этой статье. Соответствующую дискуссию можно найти на странице обсуждения . (2 августа 2012 ) Пожалуйста, после исправления проблемы удалите соответствующий шаблон. Узнать, как это сделать, можно на справочной странице .