- •Глава 6. Твердые тела
- •6.1. Аморфное и кристаллическое состояние вещества
- •6.2. Классификация кристаллов по типу молекул, составляющих кристалл
- •6.3. Анизотропия кристаллов
- •6.4. Кристаллические решетки Браве
- •6.5. Потенциальная энергия взаимодействия ионных кристаллов
- •6.6. Плавление, кристаллизация и возгонка твердых тел
- •6.7. Теплоемкость кристаллов
- •Приложение а основные понятия теории вероятностей
- •1. Понятие вероятности события
- •2. Простейшие теоремы теории вероятностей
- •3. Интегральная функция распределения случайной величины
- •4. Плотность вероятности
- •5. Среднее значение
- •6. Свойства среднего значения
- •7. Дисперсия и ее свойства
- •8. Неравенство Чебышева
- •9. Теорема Чебышева
- •10. Теорема Бернулли
- •11. Плотность вероятности ординат монотонной функции случайного аргумента
- •Приложение b интегралы, встречающиеся при применениях распределения максвелла.
6. Свойства среднего значения
1. Среднее от неслучайной величины c = const равно значению этой величины, т. е.
(A.30)
Это свойство следует из того, что постоянная c принимает единственное значение c с вероятностью 1.
2. Еcли с - неслучайная величина, а X - случайная, то
, (A.31)
т. е. постоянную можно выносить за знак среднего значения.
Для доказательства предположим, что X - непрерывная случайная величина с плотностью вероятности (x). Обозначив y = cx и подставив его в формулу (A.28), получим
Аналогичным образом доказывается это свойство для дискретной величины X.
Среднее от суммы двух случайных величин равно сумме иx средних значений, т. е.
áX + Yñ = áXñ + áYñ. (A.32)
Докажем это свойство. Пусть X и Y две дискретные случайные величины со следующими законами распределения
, .
Когда X и Y принимают соответственно значения x1, x2, …xn;
y1, y2, …ym, их сумма Z = X + Y, являясь также случайной величиной, принимает m× n возможных значений, что хорошо видно из следующей таблицы:
,
где P(xi, yi) - совместная вероятность того, что случайная величина X приняла значение xi, а случайная величина Y при этом - значение yj.
По определению среднего (A.24)
(A.33)
В выражении (A.33) учтено, что
, (A.34)
. (A.35)
Последние два равенства следуют из теоремы сложения несовместных событий. Перепишем соотношение (A.34) в виде
.
Правая часть последнего равенства представляет собой на основании теоремы сложения вероятность того, что величина X + Y примет значение либо (xi + y1), либо (xi + y2), …, либо (xi + ym) и, следовательно, равна вероятности того, что X примет значение xi, т. е. P(xi). Действительно, если X примет значение xi, то X + Y примет обязательно одно какое-нибудь значение из xi + y1, xi + y2, …, xi + ym и наоборот. Аналогично доказывается выражение (А.35).
Как видно из доказательства, свойство (A.32) справедливо для независимых и для зависимых случайных величин.
По индукции доказанное свойство нетрудно распространить на большее число суммируемых случайных величин :
. (A.36)
4. Среднее от произведения двух независимых случайных величин равно произведению их средних значений.
. (A.37)
Весьма существенно, что это равенство имеет место только для независимых случайных величин.
Доказательство этого свойства проводится аналогично предыдущему. В самом деле
где учтено, что величины X и Y независимы, т. е.
.
7. Дисперсия и ее свойства
Для характеристики рассеивания возможных значений случайной величины около ее среднего значения вводится дисперсия, которая представляет собой среднюю квадратическую разность между значениями случайной величины и ее средним значением, т. е.
. (А.38)
По определению среднего для дискретных случайных величин
, (A.39 а)
где введено обозначение , а для непрерывных величин
. (A.39 в)
Следует отметить, что в качестве меры рассеивания не может быть взята величина , так как она равна нулю для любых случайных величин. В самом деле, используя основные свойства среднего значения, получим
. (A.40)
Формулу (А.38) можно преобразовать к виду иногда более удобному для использования. Для этого возведем в квадрат величину, стоящую в угловых скобках (А.38) и воспользуемся основными свойствами среднего значения.
(A.41)
Таким образом, дисперсия случайной величины X равна среднему квадрату этой величины минус квадрат ее среднего.
Для характеристики рассеивания более целесообразно взять величину, которая имеет размерность самой случайной величины, а не ее квадрата. Поэтому в рассмотрение вводят среднее квадратическое отклонение x, которое равно корню квадратному из дисперсии:
. (A.42)
Перейдем к доказательству основных свойств дисперсии.
1. Дисперсия постоянной величины c = const равна нулю. В самом деле,
. (A.43)
Неслучайная величина c = const выносится из-под знака дисперсии
в квадрате:
. (A.44)
По определению дисперсии
.
Аналогичное свойство получаем для среднего квадратичного отклонения:
.
Дисперсия суммы двух независимых случайных величин равна
сумме их дисперсий:
. (A.45)
По определению
так как на основании выражения (A.37) среднее значение от произведения независимых величин и равно произведению их средних, каждое из которых, согласно (A.40), равно нулю, т. е.
Формулу (A.45) легко с помощью метода индукции распространить на большее число суммируемых независимых случайных величин:
. (A.46)
Подчеркнем, что формулы (A.45) и (A.46) имеют место только для независимых величин.