, (56.1)
где - числа. Вычислим ковариацию
случайных величин
и
:
. (56.2)
Из (56.1) следует . Подставим этот результат в (56.2), тогда
. (56.3)
Из (56.1) определим дисперсию
, (56.4)
откуда . Это равенство подставим в (56.3), тогда
(56.5)
Таким образом, ковариация линейно связанных случайных величин и
принимает максимальное значение
, если
, или минимальное значение
, если
, на отрезке
допустимых значений для
в общем случае (согласно формуле (55.4)).
В связи с этим можно выдвинуть предположение о том, что ковариация является мерой статистической связи между случайными величинами
и
. Действительно, для двух крайних случаев получены подходящие для этого результаты, а именно: для независимых величин
, а для линейно связанных
максимален. Далее будет показано, что это предположение верно, но не в общем, а только для статистической связи линейного типа. Эта связь характерна тем, что при усилении этой связи растет
, и в пределе связь вырождается в линейную зависимость (56.1).
Однако если связь имеет нелинейный характер, то величина не отражает меру (степень) этой связи. Рассмотрим следующий пример. Пусть
,
, и
- случайная величина с равномерным на интервале
распределением вероятностей. Случайные величины
и
связаны между собой соотношением:
. Таким образом, между величинами
и
существует функциональная связь, а не статистическая, и следовало ожидать, что величина
максимальна. Однако, прямые вычисления приводят к результату
. Действительно,
, (56.6)
где
- плотность распределения вероятностей случайной величины . С учетом этого (56.6) преобразуется:
.
Аналогично
,
теперь ковариация
.
Таким образом, для нелинейной связи между случайными величинами их ковариация не может использоваться как мера статистической связи, поскольку значение ковариации не отражает степень этой связи.
Ковариация случайных величин
Подынтегральная функция в (57.1) неотрицательна для таких
Рис. 57.1.
Линии равного уровня плотности вероятности при