Дисперсия случайной величины

Дисперсия случайной величины характеризует меру разброса случайной величины около ее математического ожидания.

Если случайная величина  имеет математическое ожидание M , то дисперсией случайной величины  называется величина D = M( - M )².

Легко показать, что D = M( - M )²= M ² - M( )².

Эта универсальная формула одинаково хорошо применима как для дискретных случайных величин, так и для непрерывных. Величина M ² >для дискретных и непрерывных случайных величин соответственно вычисляется по формулам

, .

Для определения меры разброса значений случайной величины часто используется среднеквадратичное отклонение , связанное с дисперсией соотношением .

Основные свойства дисперсии:

• дисперсия любой случайной величины неотрицательна, D 0;

• дисперсия константы равна нулю, Dc=0;

• для произвольной константы D(c ) = c²D( );

• дисперсия суммы двух независимых случайных величин равна сумме их дисперсий: D(   ) = D( ) + D ( ).

Моменты

В теории вероятностей и математической статистике, помимо математического ожидания и дисперсии, используются и другие числовые характеристики случайных величин. В первую очередь это начальные и центральные моменты.

Начальным моментом k-го порядка случайной величины  называется математическое ожидание k-й степени случайной величины  , т.е.  _k = M ^k.

Центральным моментом k-го порядка случайной величины  называется величина  _k, определяемая формулой  _k = M( - M )^k.

Заметим, что математическое ожидание случайной величины - начальный момент первого порядка,  ₁ = M , а дисперсия - центральный момент второго порядка,

 ₂ = M ² = M( - M )² = D .

Существуют формулы, позволяющие выразить центральные моменты случайной величины через ее начальные моменты, например:

 ₂= ₂- ₁²,  ₃ =  ₃ - 3 _{2 1} + 2 ₁³.

Если плотность распределения вероятностей непрерывной случайной величины симметрична относительно прямой x = M , то все ее центральные моменты нечетного порядка равны нулю.

Асимметрия

В теории вероятностей и в математической статистике в качестве меры асимметрии распределения является коэффициент асимметрии, который определяется формулой ,

где  ₃ - центральный момент третьего порядка, - среднеквадратичное отклонение.

Эксцесс

Нормальное распределение наиболее часто используется в теории вероятностей и в математической статистике, поэтому график плотности вероятностей нормального распределения стал своего рода эталоном, с которым сравнивают другие распределения. Одним из параметров, определяющих отличие распределения случайной величины  , от нормального распределения, является эксцесс.

Эксцесс  случайной величины  определяется равенством .

У нормального распределения, естественно,  = 0. Если  ( ) > 0, то это означает, что график плотности вероятностей p_ (x) сильнее “заострен”, чем у нормального распределения, если же  ( ) < 0, то “заостренность” графика p_ (x) меньше, чем у нормального распределения.