- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлений события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§ 10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательного закона надежности
§ 3. Дисперсия дискретной случайной величины
На практике часто требуется оценить рассеяние возможных значений случайной величины вокруг ее среднего значения. Например, в артиллерии важно знать, насколько кучно лягут снаряды вблизи цели, которая должна быть поражена.
На первый взгляд может показаться, что для оценки рассеяния проще всего вычислить все возможные значения отклонения случайной величины и затем найти их среднее значение. Однако такой путь ничего не даст, так как среднее значение отклонения, т. е. М [X — М (X)], для любой случайной величины равно нулю. Это свойство уже было доказано в предыдущем параграфе и объясняется тем, что одни возможные отклонения положительны, а другие — отрицательны; в результате их взаимного погашения среднее значение отклонения равно нулю. Эти соображения говорят о целесообразности заменить возможные отклонения их абсолютными значениями или их квадратами. Так и поступают на деле. Правда, в случае, когда возможные отклонения заменяют их абсолютными значениями, приходится оперировать с абсолютными величинами, что приводит иногда к серьезным затруднениям. Поэтому чаще всего идут по другому пути, т. е. вычисляют среднее значение квадрата отклонения, которое и называют дисперсией.
Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
D(X) = M[X — M(X)]2
Пусть случайная величина задана законом распределения
-
X
x1
x2
…
xn
p
p1
p2
…
pn
Тогда квадрат отклонения имеет следующий закон распределения:
-
[X-M(X)]2
[x1-M(X)]2
[x2-M(X)]2
…
[xn-M(X)]2
p
p1
p2
…
pn
По определению дисперсии,
D(X) = M [Х — М (X)]2 = [xi-M (X)]2pl + [x2-M (X)]2 р2 + ... +[хп-М (Х)]2рп.
Таким образом, для того чтобы найти дисперсию, достаточно вычислить сумму произведений возможных значений квадрата отклонения на их вероятности.
Замечание. Из определения следует, что дисперсия дискретной случайной величины есть неслучайная (постоянная) величина. В дальнейшем читатель узнает, что дисперсия непрерывной случайной величины также есть постоянная величина.
Пример. Найти дисперсию случайной величины X, которая задана следующим законом распределения:
-
X
1
2
5
P
0,3
0,5
0,2
Решение. Найдем математическое ожидание:
M(X)=1*0,3+2*0,5+5*0,2=2,3
Найдем все возможные значения квадрата отклонения:
[х1 — М(Х)]2 = (1 — 2,3)2 = 1,69;
[х2 — М(Х)]2 = (2 — 2,3)2 = 0,09;
[х3 — М(Х)]2 = (5 — 2,3)2 = 7,29;
Напишем закон распределения квадрата отклонения:
-
[X-M(X)]2
1,69
0,09
7,29
p
0,3
0,5
0,2
По определению,
D(X)=l,69*0,3 + 0,09*0,5 + 7,29*0,2 = 2,O1.
Вычисление, основанное на определении дисперсии, оказалось относительно громоздким. Далее будет указана формула, которая приводит к цели значительно быстрее.