Задание . Количество попаданий пар значений случайных величин X и Y в соответствующие интервалы приведены в таблице. По этим данным найти выборочный коэффициент корреляции и выборочные уравнения прямых линий регрессии Y на X и X на Y .
Решение

Пример . Распределение вероятностей двумерной случайной величины (X, Y) задано таблицей. Найти законы распределения составляющих величин X, Y и коэффициент корреляции p(X, Y).
Скачать решение

Задание . Двумерная дискретная величина (X, Y) задана законом распределения. Найти законы распределения составляющих X и Y, ковариацию и коэффициент корреляции.

Двумерной называют случайную величину (X , Y ), возможные значения которой есть пары чисел (x, у ). Составляющие X и Y , рассматриваемые одновременно, образуют систему двух случайных величин.

Двумерную величину геометрически можно истолковать как случайную точку M (Х ; Y ) на плоскости xOy либо как случайный вектор OM .

Дискретной называют двумерную величину, составляющие которой дискретны.

Непрерывной называют двумерную величину, составляющие которой непрерывны.

Законом распределения вероятностей двумерной случайной величины называют соответствие между возможными значениями и их вероятностями.

Закон распределения дискретной двумерной случайной величины может быть задан: а) в виде таблицы с двойным входом, содержащей возможные значения и их вероятности; б) аналитически, например в виде функции распределения.

Функцией распределения вероятностей двумерной случайной величины называют функцию F(x, у) , определяющую для каждой пары чисел (x, у) вероятность того, что X примет значение, меньшее x, и при этом Y примет значение, меньшее y :

F(x, у) = Р(Х < x, Y < y).

Геометрически это равенство можно истолковать так: F(х, у) есть вероятность того, что случайная точка (X, Y ) попадет в бесконечный квадрант с вершиной (x,y) , расположенный левее и ниже этой вершины.

Иногда вместо термина «функция распределения» используют термин «интегральная функция».

Функция распределения обладает следующими свойствами:

Свойство 1 . Значения функции распределения удовлетворяют двойному неравенству

0 ≤ F (x, у) ≤ 1.

Свойство 2 . Функция распределения есть неубывающая функция по каждому аргументу :

F(x 2 , y) ≥ F(x 1 , y), если x 2 > x 1 ,

F(x, y 2) ≥ F(x, y 1), если y 2 > y 1 .

Свойство 3 . Имеют место предельные соотношения :

1) F(–∞, y) = 0,

3) F(–∞, –∞) = 0,

2) F(x, –∞) = 0,

4) F(∞, ∞) = 1.

Свойство 4 . а) При у =∞ функция распределения системы становится функцией распределения составляющей X :

F(x, ∞) = F 1 (x).

б) При x = ∞ функция распределения системы становится функцией распределения составляющей Y :

F(∞, y) = F 2 (y).

Используя функцию распределения, можно найти вероятность попадания случайной точки в прямоугольник x 1 < X < x 2 , y 1 < Y < у 2 :

P(x 1 < X < x 2 , y 1 < Y < у 2) = – .

Плотностью совместного распределения вероятностей (двумерной плотностью вероятности) непрерывной двумерной случайной величины называют вторую смешанную производную от функции распределения:

Иногда вместо термина «двумерная плотность вероятности» используют термин «дифференциальная функция системы».

Плотность совместного распределения можно рассматривать как предел отношения вероятности попадания случайной точки в прямоугольник со сторонами Dx и Dy к площади этого прямоугольника, когда обе его стороны стремятся к нулю; геометрически ее можно истолковать как поверхность, которую называют поверхностью распределения .

Зная плотность распределения, можно найти функцию распределения по формуле

Вероятность попадания случайной точки (X, Y) в область D определяется равенством

Двумерная плотность вероятности обладает следующими свойствами:

Свойство 1 . Двумерная плотность вероятности неотрицательна :

f(x,y) ≥ 0.

Свойство 2 . Двойной несобственный интеграл с бесконечными пределами от двумерной плотности вероятности равен единице :

В частности, если все возможные значения (X, У) принадлежат конечной области D, то

226. Задано распределение вероятностей дискретной двумерной случайной величины:

Найти законы распределения составляющих.

228. Задана функция распределения двумерной случайной величины

Найти вероятность попадания случайной точки (X, Y x = 0, x = p/4, y = p/6, y = p/3.

229. Найти вероятность попадания случайной точки (X, Y ) в прямоугольник, ограниченный прямыми x = 1, x = 2, y = 3, y = 5, если известна функция распределения

230. Задана функция распределения двумерной случайной величины

Найти двумерную плотность вероятности системы.

231. В круге x 2 + y 2 ≤ R 2 двумерная плотность вероятности ; вне круга f(x, y)= 0. Найти: а) постоянную C ; б) вероятность попадания случайной точки (X, Y ) в круг радиуса r = 1 с центром в начале координат, если R = 2.

232. В первом квадранте задана функция распределения системы двух случайных величин F(x, y) = 1 + 2 - x – 2 - y + 2 - x- y . Найти: а) двумерную плотность вероятности системы; б) вероятность попадания случайной точки (X, Y ) в треугольник с вершинами A (1; 3), B (3; 3), C (2; 8).

8.2. Условные законы распределения вероятностей составляющих
дискретной двумерной случайной величины

Пусть составляющие X и Y дискретны и имеют соответственно следующие возможные значения: x 1 , x 2 , …, x n ; y 1 , y 2 , …, y m .

Условным распределением составляющей X при Y=y j (j сохраняет одно и то же значение при всех возможных значениях X) называют совокупность условных вероятностей

p(x 1 |y j), p(x 2 |y j), …, p(x n |y j).

Аналогично определяется условное распределение Y.

Условные вероятности составляющих X и Y вычисляют соответственно по формулам

Для контроля вычислений целесообразно убедиться, что сумма вероятностей условного распределения равна единице.

233. Задана дискретная двумерная случайная величина (X, Y ):

Найти: а) условный закон распределения X при условии, что Y =10; б) условный закон распределения Y при условии, что X =6.

8.3. Отыскание плотностей и условных законов распределения
составляющих непрерывной двумерной случайной величины

Плотность распределения одной из составляющих равна несобственному интегралу с бесконечными пределами от плотности совместного распределения системы, причем переменная интегрирования соответствует другой составляющей:

Здесь предполагается, что возможные значения каждой из составляющих принадлежат всей числовой оси; если же возможные значения принадлежат конечному интервалу, то в качестве пределов интегрирования принимают соответствующие конечные числа.

Условной плотностью распределения составляющей X при заданном значении Y = y называют отношение плотности совместного распределения системы к плотности распределения составляющей Y :

Аналогично определяется условная плотность распределения составляющей Y :

Если условные плотности распределения случайных величин X и Y равны их безусловным плотностям, то такие величины независимы.

Равномерным называют распределение двумерной непрерывной случайной величины (X, Y ), если в области, которой принадлежат все возможные значения (x, у ), плотность совместного распределения вероятностей сохраняет постоянное значение.

235. Задана плотность совместного распределения непрерывной двумерной случайной величины (X, Y)

Найти: а) плотности распределения составляющих; б) условные плотности распределения, составляющих.

236. Плотность совместного распределения непрерывной двумерной случайной величины (X, Y )

Найти: а) постоянный множитель C ; б) плотности распределения составляющих; в) условные плотности распределения составляющих.

237. Непрерывная двумерная случайная величина (X, У ) распределена равномерно внутри прямоугольника с центром симметрии в начале координат и сторонами 2а и 2b, параллельными координатным осям. Найти: а) двумерную плотность вероятности системы; б) плотности распределения составляющих.

238. Непрерывная двумерная случайная величина (X, У ) равномерно распределена внутри прямоугольного треугольника с вершинами O (0; 0), А (0; 8), В (8;0). Найти: а) двумерную плотность вероятности системы; б) плотности и условные плотности распределения составляющих.

8.4. Числовые характеристики непрерывной системы
двух случайных величин

Зная плотности распределения составляющих X и Y непрерывной двумерной случайной величины (X, У), можно найти их математические ожидания и дисперсии:

Иногда удобнее использовать формулы, содержащие двумерную плотность вероятности (двойные интегралы берутся по области возможных значений системы):

Начальным, моментом n k, s порядка k+s системы (X, Y ) называют математическое ожидание произведения X k Y s :

n k, s = M.

В частности,

n 1,0 = M(X), n 0,1 = M(Y).

Центральным моментом m k, s порядка k+s системы (X, Y ) называют математическое ожидание произведения отклонений соответственно k -й и s -й степеней:

m k, s = M{ k ∙ s }.

В частности,

m 1,0 =M = 0, m 0,1 = M = 0;

m 2,0 =M 2 = D(X), m 0,2 = M 2 = D(Y);

Корреляционным моментом m xу системы (X, Y ) называют центральный момент m 1,1 порядка 1 + 1:

m xу = M{ ∙ }.

Коэффициентом корреляции величин X и Y называют отношение корреляционного момента к произведению средних квадратических отклонений этих величин:

r xy = m xy / (s x s y).

Коэффициент корреляции – безразмерная величина, причем |r xy | ≤ 1. Коэффициент корреляции служит для оценки тесноты линейной связи между X и Y : чем ближе абсолютная величина коэффициента корреляции к единице, тем связь сильнее; чем ближе абсолютная величина коэффициента корреляции к нулю, тем связь слабее.

Коррелированными называют две случайные величины, если их корреляционный момент отличен от нуля.

Некоррелированными называют две случайные величины, если их корреляционный момент равен нулю.

Две коррелированные величины также и зависимы; если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными. Из независимости двух величин следует их некоррелированность, но из некоррелированности еще нельзя сделать вывод о независимости этих величин (для нормально распределенных величин из некоррелированности этих величин вытекает их независимость).

Для непрерывных величин X и Y корреляционный момент может быть найден по формулам:

239. Задана плотность совместного распределения непрерывной двумерной случайной величины (X, Y):

Найти: а) математические ожидания; б) дисперсии составляющих X и Y.

240. Задана плотность совместного распределения непрерывной двумерной случайной величины (X, Y):

Найти математические ожидания и дисперсии составляющих.

241. Задана плотность совместного распределения непрерывной двумерной случайной величины (X, Y): f(x, y) = 2 cosx cosy в квадрате 0 ≤ x ≤p/4, 0 ≤ y ≤p/4; вне квадрата f(x, y) = 0. Найти математические ожидания составляющих.

242. Доказать, что если двумерную плотность вероятности системы случайных величин (X, Y ) можно представить в виде произведения двух функций, одна из которых зависит только от x , а другая – только от y , то величины X и Y независимы.

243. Доказать, что если X и Y связаны линейной зависимостью Y = aX + b , то абсолютная величина коэффициента корреляции равна единице.

Решение . По определению коэффициента корреляции,

r xy = m xy / (s x s y).

m xу = M{ ∙ }. (*)

Найдем математическое ожидание Y :

M(Y) = M = aM(X) + b. (**)

Подставив (**) в (*), после элементарных преобразований получим

m xу = aM 2 = aD(X) = as 2 x .

Учитывая, что

Y – M(Y) = (aX + b) – (aM(X) + b) = a,

найдем дисперсию Y :

D(Y) = M 2 = a 2 M 2 = a 2 s 2 x .

Отсюда s y = |a|s x . Следовательно, коэффициент корреляции

Если a > 0, то r xy = 1; если a < 0, то r xy = –1.

Итак, |r xy | = 1, что и требовалось доказать.

Пусть дана двумерная случайная величина $(X,Y)$.

Определение 1

Законом распределения двумерной случайной величины $(X,Y)$ - называется множество возможных пар чисел $(x_i,\ y_j)$ (где $x_i \epsilon X,\ y_j \epsilon Y$) и их вероятностей $p_{ij}$.

Чаще всего закон распределения двумерной случайной величины записывается в виде таблицы (Таблица 1).

Рисунок 1. Закон распределения двумерной случайной величины.

Вспомним теперь теорему о сложении вероятностей независимых событий.

Теорема 1

Вероятность суммы конечного числа независимых событий ${\ A}_1$, ${\ A}_2$, ... ,$\ {\ A}_n$ вычисляется по формуле:

Пользуясь этой формулой можно получить законы распределения для каждой компоненты двумерной случайной величины, то есть:

Отсюда будет следовать, что сумма всех вероятностей двумерной системы имеет следующий вид:

Рассмотрим подробно (поэтапно) задачу, связанную с понятием закона распределения двумерной случайной величины.

Пример 1

Закон распределения двумерной случайной величины задан следующей таблицей:

Рисунок 2.

Найти законы распределения случайных величин $X,\ Y$, $X+Y$ и проверить в каждом случае выполнение равенства полной суммы вероятностей единице.

1. Найдем сначала распределение случайной величины $X$. Случайная величина $X$ может принимать значения $x_1=2,$ $x_2=3$, $x_3=5$. Для нахождения распределения будем пользоваться теоремой 1.

Найдем вначале сумму вероятностей $x_1$ следующим образом:

Рисунок 3.

Аналогично найдем $P\left(x_2\right)$ и $P\left(x_3\right)$:

\ \

Рисунок 4.

1. Найдем теперь распределение случайной величины $Y$. Случайная величина $Y$ может принимать значения $x_1=1,$ $x_2=3$, $x_3=4$. Для нахождения распределения будем пользоваться теоремой 1.

Найдем вначале сумму вероятностей $y_1$ следующим образом:

Рисунок 5.

Аналогично найдем $P\left(y_2\right)$ и $P\left(y_3\right)$:

\ \

Значит, закон распределения величины $X$ имеет следующий вид:

Рисунок 6.

Проверим выполнение равенства полной суммы вероятностей:

1. Осталось найти закон распределения случайной величины $X+Y$.

Обозначим её для удобства через $Z$: $Z=X+Y$.

Вначале найдем, какие значения может принимать данная величина. Для этого будем попарно складывать значения величин $X$ и $Y$. Получим следующие значения: 3, 4, 6, 5, 6, 8, 6, 7, 9. Теперь, отбрасывая совпавшие величины, получим, что случайная величина $X+Y$ может принимать значения $z_1=3,\ z_2=4,\ z_3=5,\ z_4=6,\ z_5=7,\ z_6=8,\ z_7=9.\ $

Найдем для начала $P(z_1)$. Так как значение $z_1$ единично, то оно находится следующим образом:

Рисунок 7.

Аналогично находятся се вероятности, кроме $P(z_4)$:

Найдем теперь $P(z_4)$ следующим образом:

Рисунок 8.

Значит, закон распределения величины $Z$ имеет следующий вид:

Рисунок 9.

Проверим выполнение равенства полной суммы вероятностей:

Довольно часто при изучении случайных величин приходится иметь дело с двумя, тремя и даже большим числом случайных величин. Например, двумерной случайной величиной $\left(X,\ Y\right)$ будет описываться точка попадания снаряда, где случайные величины $X,\ Y$ абсцисса и ордината соответственно. Успеваемость наудачу взятого студента в период сессии характеризуется $n$-мерной случайной величиной $\left(X_1,\ X_2,\ \dots ,\ X_n\right)$, где случайные величины $X_1,\ X_2,\ \dots ,\ X_n$ - это оценки, проставленные в зачетной книжке по различным дисциплинам.

Набор $n$ случайных величин $\left(X_1,\ X_2,\ \dots ,\ X_n\right)$ называется случайным вектором . Мы ограничимся рассмотрением случая $\left(X,\ Y\right)$.

Пусть $X$ - дискретная случайная величина с возможными значениями $x_1,x_2,\ \dots ,\ x_n$, а $Y$ - дискретная случайная величина с возможными значениями $y_1,y_2,\ \dots ,\ y_n$.

Тогда дискретная двумерная случайная величина $\left(X,\ Y\right)$ может принимать значения $\left(x_i,\ y_j\right)$ с вероятностями $p_{ij}=P\left(\left(X=x_i\right)\left(Y=y_j\right)\right)=P\left(X=x_i\right)P\left(Y=y_j|X=x_i\right)$. Здесь $P\left(Y=y_j|X=x_i\right)$ - это условная вероятность того, что случайная величина $Y$ примет значение $y_j$ при условии, что случайная величина $X$ приняла значение $x_i$.

Вероятность того, что случайная величина $X$ примет значение $x_i$, равна $p_i=\sum_j{p_{ij}}$. Вероятность того, что случайная величина $Y$ примет значение $y_j$, равна $q_j=\sum_i{p_{ij}}$.

$$P\left(X=x_i|Y=y_j\right)={{P\left(\left(X=x_i\right)\left(Y=y_j\right)\right)}\over {P\left(Y=y_j\right)}}={{p_{ij}}\over {q_j}}.$$

$$P\left(Y=y_j|X=x_i\right)={{P\left(\left(X=x_i\right)\left(Y=y_j\right)\right)}\over {P\left(X=x_i\right)}}={{p_{ij}}\over {p_i}}.$$

Пример 1 . Задано распределение двумерной случайной величины:

$\begin{array}{|c|c|}
\hline
X\backslash Y & 2 & 3 \\
\hline
-1 & 0,15 & 0,25 \\
\hline
0 & 0,28 & 0,13 \\
\hline
1 & 0,09 & 0,1 \\
\hline
\end{array}$

Определим законы распределения случайных величин $X$ и $Y$. Найдем условные распределения случайной величины $X$ при условии $Y=2$ и случайной величины $Y$ при условии $X=0$.

Заполним следующую таблицу:

$\begin{array}{|c|c|}
\hline
X\backslash Y & 2 & 3 & p_i & p_{ij}/q_1 \\
\hline
-1 & 0,15 & 0,25 & 0,4 & 0,29 \\
\hline
0 & 0,28 & 0,13 & 0,41 & 0,54 \\
\hline
1 & 0,09 & 0,1 & 0,19 & 0,17 \\
\hline
q_j & 0,52 & 0,48 & 1 & \\
\hline
p_{ij}/p_2 & 0,68 & 0,32 & & \\
\hline
1 & 0,09 & 0,1 \\
\hline
\end{array}$

Поясним, как заполняется таблица. Значения первых трех столбцов первых четырех строк взяты из условия. Сумму чисел $2$-го и $3$-го столбцов $2$-й ($3$-й) строки укажем в $4$-м столбце $2$-й ($3$-й) строки. Сумму чисел $2$-го и $3$-го столбцов $4$-й строки укажем в $4$-м столбце $4$-й строки.

Сумму чисел $2$-й, $3$-й и $4$-й строк $2$-го ($3$-го) столбца запишем в $5$-й строке $2$-го ($3$-го) столбца. Каждое число $2$-го столбца делим на $q_1=0,52$, результат округляем до двух цифр после запятой и пишем в $5$-м столбце. Числа из $2$-го и $3$-го столбцов $3$-й строки делим на $p_2=0,41$, результат округляем до двух цифр после запятой и пишем в последней строке.

Тогда закон распределения случайной величины $X$ имеет следующий вид.

$\begin{array}{|c|c|}
\hline
X & -1 & 0 & 1 \\
\hline
p_i & 0,4 & 0,41 & 0,19 \\
\hline
\end{array}$

Закон распределения случайной величины $Y$.

$\begin{array}{|c|c|}
\hline
Y & 2 & 3 \\
\hline
q_j & 0,52 & 0,48 \\
\hline
\end{array}$

Условное распределение случайной величины $X$ при условии $Y=2$ имеет следующий вид.

$\begin{array}{|c|c|}
\hline
X & -1 & 0 & 1 \\
\hline
p_{ij}/q_1 & 0,29 & 0,54 & 0,17 \\
\hline
\end{array}$

Условное распределение случайной величины $Y$ при условии $X=0$ имеет следующий вид.

$\begin{array}{|c|c|}
\hline
Y & 2 & 3 \\
\hline
p_{ij}/p_2 & 0,68 & 0,32 \\
\hline
\end{array}$

Пример 2 . Имеем шесть карандашей, среди которых два красных. Раскладываем карандаши в две коробки. В первую кладут $2$ штуки, а во вторую тоже два. $X$ - количество красных карандашей в первой коробке, a $Y$ - во второй. Написать закон распределения системы случайных величин $(X,\ Y)$.

Пусть дискретная случайная величина $X$ - количество красных карандашей в первой коробке, а дискретная случайная величина $Y$ - количество красных карандашей во второй коробке. Возможные значения случайных величин $X,\ Y$ соответственно $X:0,\ 1,\ 2$, $Y:0,\ 1,\ 2$. Тогда дискретная двумерная случайная величина $\left(X,\ Y\right)$ может принимать значения $\left(x,\ y\right)$ с вероятностями $P=P\left(\left(X=x\right)\times \left(Y=y\right)\right)=P\left(X=x\right)\times P\left(Y=y|X=x\right)$, где $P\left(Y=y|X=x\right)$ - условная вероятность того, что случайная величина $Y$ примет значение $y$ при условии, что случайная величина $X$ приняла значение $x$. Изобразим соответствие между значениями $\left(x,\ y\right)$ и вероятностями $P\left(\left(X=x\right)\times \left(Y=y\right)\right)$ в виде следующей таблицы.

$\begin{array}{|c|c|}
\hline
X\backslash Y & 0 & 1 & 2 \\
\hline
0 & {{1}\over {15}} & {{4}\over {15}} & {{1}\over {15}} \\
\hline
1 & {{4}\over {15}} & {{4}\over {15}} & 0 \\
\hline
2 & {{1}\over {15}} & 0 & 0 \\
\hline
\end{array}$

По строкам такой таблицы указываются значения $X$, а по столбцам значения $Y$, тогда вероятности $P\left(\left(X=x\right)\times \left(Y=y\right)\right)$ указываются на пересечении соответствующей строки и столбца. Рассчитаем вероятности, используя классическое определение вероятности и теорему произведения вероятностей зависимых событий.

$$P\left(\left(X=0\right)\left(Y=0\right)\right)={{C^2_4}\over {C^2_6}}\cdot {{C^2_2}\over {C^2_4}}={{6}\over {15}}\cdot {{1}\over {6}}={{1}\over {15}};$$

$$P\left(\left(X=0\right)\left(Y=1\right)\right)={{C^2_4}\over {C^2_6}}\cdot {{C^1_2\cdot C^1_2}\over {C^2_4}}={{6}\over {15}}\cdot {{2\cdot 2}\over {6}}={{4}\over {15}};$$

$$P\left(\left(X=0\right)\left(Y=2\right)\right)={{C^2_4}\over {C^2_6}}\cdot {{C^2_2}\over {C^2_4}}={{6}\over {15}}\cdot {{1}\over {6}}={{1}\over {15}};$$

$$P\left(\left(X=1\right)\left(Y=0\right)\right)={{C^1_2\cdot C^1_4}\over {C^2_6}}\cdot {{C^2_3}\over {C^2_4}}={{2\cdot 4}\over {15}}\cdot {{3}\over {6}}={{4}\over {15}};$$

$$P\left(\left(X=1\right)\left(Y=1\right)\right)={{C^1_2\cdot C^1_4}\over {C^2_6}}\cdot {{C^1_1\cdot C^1_3}\over {C^2_4}}={{2\cdot 4}\over {15}}\cdot {{1\cdot 3}\over {6}}={{4}\over {15}};$$

$$P\left(\left(X=2\right)\left(Y=0\right)\right)={{C^2_2}\over {C^2_6}}\cdot {{C^2_4}\over {C^2_4}}={{1}\over {15}}\cdot 1={{1}\over {15}}.$$

Поскольку в законе распределения (полученной таблице) все множество событий образует полную группу событий, то сумма вероятностей должна быть равна 1. Проверим это:

$$\sum_{i,\ j}{p_{ij}}={{1}\over {15}}+{{4}\over {15}}+{{1}\over {15}}+{{4}\over {15}}+{{4}\over {15}}+{{1}\over {15}}=1.$$

Функция распределения двумерной случайной величины

Функцией распределения двумерной случайной величины $\left(X,\ Y\right)$ называется функция $F\left(x,\ y\right)$, которая для любых действительных чисел $x$ и $y$ равна вероятности совместного выполнения двух событий $\left\{X < x\right\}$ и $\left\{Y < y\right\}$. Таким образом, по определению

$$F\left(x,\ y\right)=P\left\{X < x,\ Y < y\right\}.$$

Для дискретной двумерной случайной величины функция распределения находится путем суммирования всех вероятностей $p_{ij}$, для которых $x_i < x,\ y_j < y$, то есть

$$F\left(x,\ y\right)=\sum_{x_i < x}{\sum_{y_j < y}{p_{ij}}}.$$

Свойства функции распределения двумерной случайной величины.

1 . Функция распределения $F\left(x,\ y\right)$ является ограниченной, то есть $0\le F\left(x,\ y\right)\le 1$.

2 . $F\left(x,\ y\right)$ не убывающая для каждого из своих аргументов при фиксированном другом, то есть $F\left(x_2,\ y\right)\ge F\left(x_1,\ y\right)$ при $x_2>x_1$, $F\left(x,\ y_2\right)\ge F\left(x,\ y_1\right)$ при $y_2>y_1$.

3 . Если хотя бы один из аргументов принимает значение $-\infty $, то функция распределения будет равна нулю, то есть $F\left(-\infty ,\ y\right)=F\left(x,\ -\infty \right),\ F\left(-\infty ,\ -\infty \right)=0$.

4 . Если оба аргумента принимают значение $+\infty $, то функция распределения будет равна $1$, то есть $F\left(+\infty ,\ +\infty \right)=1$.

5 . В том случае, когда ровно один из аргументов принимает значение $+\infty $, функция распределения $F\left(x,\ y\right)$ становится функцией распределения случайной величины, соответствующей другому элементу, то есть $F\left(x,\ +\infty \right)=F_1\left(x\right)=F_X\left(x\right),\ F\left(+\infty ,\ y\right)=F_y\left(y\right)=F_Y\left(y\right)$.

6 . $F\left(x,\ y\right)$ является непрерывной слева для каждого из своих аргументов, то есть

$${\mathop{lim}_{x\to x_0-0} F\left(x,\ y\right)\ }=F\left(x_0,\ y\right),\ {\mathop{lim}_{y\to y_0-0} F\left(x,\ y\right)\ }=F\left(x,\ y_0\right).$$

Пример 3 . Пусть дискретная двумерная случайная величина $\left(X,\ Y\right)$ задана рядом распределения.

$\begin{array}{|c|c|}
\hline
X\backslash Y & 0 & 1 \\
\hline
0 & {{1}\over {6}} & {{2}\over {6}} \\
\hline
1 & {{2}\over {6}} & {{1}\over {6}} \\
\hline
\end{array}$

Тогда функция распределения:

$F(x,y)=\left\{\begin{matrix}
0,\ при\ x\le 0,\ y\le 0 \\
0,\ при\ x\le 0,\ 0 < y\le 1 \\
0,\ при\ x\le 0,\ y>1 \\
0,\ при\ 0 < x\le 1,\ y\le 0 \\
{{1}\over {6}},\ при\ 0 < x\le 1,\ 0 < y\le 1 \\
{{1}\over {6}}+{{2}\over {6}}={{1}\over {2}},\ при\ 0 < x\le 1,\ y>1 \\
0,\ при\ x>1,\ y\le 0 \\
{{1}\over {6}}+{{2}\over {6}}={{1}\over {2}},\ при\ x>1,\ 0 < y\le 1 \\
{{1}\over {6}}+{{2}\over {6}}+{{2}\over {6}}+{{1}\over {6}}=1,\ при\ x>1,\ y>1 \\
\end{matrix}\right.$