Interessiert man sich gleichzeitig für mehrere
Zufallsgrößen
- z.B. die
Kurse verschiedener Aktien - und für ihre wechselseitige
Abhängigkeit, so betrachtet man
als
zufälligen Punkt oder Zufallsvektor im
Die
gemeinsame Verteilung der
Zufallsgrößen
, d.h. die Verteilung des
Zufallsvektors, wird wie im eindimensionalen eindeutig durch die
Wahrscheinlichkeiten
bestimmt. Besitzt der Zufallsvektor
eine Wahrscheinlichkeitsdichte
, so
können Wahrscheinlichkeiten wieder als Integrale von berechnet werden:
Die eindimensionalen Verteilungen oder
Randverteilungen von
erhält man durch Integration der gemeinsame
Dichte über die anderen Variablen.
Der intuitive Begriff der Unabhängigkeit zweier
Zufallsgrößen wird präzisiert durch die
Forderung, dass
d.h. Wahrscheinlichkeiten von
Ereignissen, die von dem Wert des Zufallsvektors
abhängen, lassen sich faktorisieren, und es genügt, die
eindimensionalen Verteilungen von und zu kennen.
Besitzt der Zufallsvektor
eine Dichte
, so besitzen und ebenfalls Dichten und
. Die Unabhängigkeit der beiden Zufallsgrößen ist
dann gleichbedeutend mit der Faktorisierung der gemeinsamen
Dichte:
Abhängigkeit zweier Zufallsgrößen kann in komplizierter Form
vorliegen. Sind gemeinsam normalverteilt, lässt sich der Grad
ihrer Abhängigkeit aber auf einfache Weise quantifizieren durch ihre Kovarianz
oder Korrelation
Die Korrelation hat den Vorteil, immer zwischen - 1 und + 1 zu
liegen und skaleninvariant zu sein. Für gemeinsam normalverteilte Zufallsgrößen ist Unabhängigkeit
gleichbedeutend mit Korrelation gleich Null, während
vollständige Abhängigkeit gleichbedeutend mit Korrelation + 1
( ist groß, wenn groß ist) oder Korrelation -1
ist groß, wenn klein ist) ist.
Allgemein gilt für unabhängige Zufallsgrößen
woraus eine nützliche Rechenregel folgt:
Sind
unabhängige Zufallsgrößen, die alle dieselbe
Verteilung haben:
für alle
so nennen wir sie unabhängig identisch verteilt
(u.i.v.).