18.2. Числовые характеристики дискретных случайных величин

Установленный закон распределения полностью характеризует случайную величину. Однако часто используются числовые характеристики случайной величины, которые дают некоторое осредненное описание случайной величины, получаемое на базе закона ее распределения.

Математическое ожидание дискретной случайной величины

Пусть случайная величина Х может принимать значения x₁, x₂, ... , x_n c вероятностями соответственно p₁, p₂, …, p_n.

Определение 1. Математическим ожиданием дискретной случайной величины называется сумма произведений всех ее возможных значений на их вероятности:

Из этого определения следует, что математическое ожидание есть некоторая постоянная (неслучайная) величина. Вероятностный же смысл математического ожидания состоит в том, что оно приближенно равно (в особенности для большого числа испытаний) среднему арифметическому значений случайной величины. Это хорошо видно в случае, когда вероятности всех возможных значений дискретной случайной величины равны: p_i = р = 1/n; из формулы (18.5) получаем

Пример 1. Найти математическое ожидание количества очков, выпадающих при бросании игральной кости.

Решение. Выпадение каждой грани кубика от одного очка до шести имеет одинаковую вероятность р = 1/6. Следовательно, по формуле (18.6) получаем искомое математическое ожидание:

Пример 2. Найти математическое ожидание числа невозврата кредитов по данным примера 4 п. 18.1.

Решение. Воспользуемся итоговой таблицей распределения дискретной случайной величины, полученной в этом примере, и формулой (18.6); находим

Свойства математического ожидания

Математическое ожидание обладает рядом свойств, которые указаны ниже.

Свойство 1. Математическое ожидание постоянной величины С равно этой постоянной:

Свойство 2. Постоянный множитель можно выносить за знак математического ожидания:

Свойство 3. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий:

Свойство 4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:

Пример 3. Пусть ежедневные расходы на обслуживание и рекламу автомобилей в некотором автосалоне составляют в среднем 100 тыс. р., а число продаж Х автомашин в течение дня подчиняется следующему закону распределения:

Найти математическое ожидание ежедневной прибыли при цене на машину 150 тыс. р.

Решение. Ежедневная прибыль подсчитывается по формуле

Искомая характеристика М(П) находится с использованием указанных выше свойств математического ожидания (в тыс. р.):

Если в п независимых испытаниях вероятность появления в каждом из них события А постоянна, то ответ на вопрос о среднем числе появления события А дает следующая теорема.

ТЕОРЕМА 1. Математическое ожидание М(Х) числа появлений события А в п независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании:

Пример 4. Найти математическое ожидание числа выигрышных лотерейных билетов, если вероятность выигрыша по одному билету равна 0,015, причем куплено 200 билетов.

Решение. Поскольку приобретение каждого билета является независимым испытанием относительно появления события А — выпадения выигрыша, то здесь применимы теорема 18.1 и формула (18.7). В нашем случае n = 200, р = 0,015, откуда мы получаем

Дисперсия дискретной случайной величины

Как уже говорилось выше, математическое ожидание является средней характеристикой случайной величины. Однако оно не характеризует случайную величину достаточно полно, и по этой причине рассматриваются и другие числовые характеристики. Пусть Х — случайная величина, а М(Х) — ее математическое ожидание.

Определение 2. Разность между случайной величиной и ее математическим ожиданием называется отклонением.

Пусть закон распределения случайной величины Х дается формулой (18.1), тогда отклонение X - M(X) имеет следующий закон распределения:

Отклонение имеет важное свойство, которое устанавливается непосредственно из свойств математического ожидания:

т.е. математическое ожидание отклонения равно нулю.

Пример 5. По данным примера 3 найти закон распределения отклонения числа проданных за день автомашин.

Решение. Как было подсчитано в примере 3, М(Х) = 2,675. Тогда, согласно (18.8), искомый закон определяется следующей таблицей:

На практике важной характеристикой является рассеяние возможных значений случайной величины вокруг ее среднего значения. Среднее значение отклонения, согласно (18.9), равно нулю, так как суммируются отрицательные и положительные отклонения (см. пример 5), поэтому целесообразно ввести в рассмотрение абсолютные значения отклонений или их квадраты.

Определение 3. Математическое ожидание квадрата отклонения называется дисперсией, или рассеянием:

Пусть случайная величина задана законом распределения (18.1), тогда квадрат отклонения этой случайной величины имеет следующий закон распределения:

Отсюда, согласно формуле (18.10), получаем формулу дисперсии в развернутом виде:

При вычислении дисперсии часто бывает удобно воспользоваться формулой, которая непосредственно выводится из формулы (18.10):

Пример 6. Найти дисперсию ежедневной продажи числа автомашин по данным примера 3.

Решение. Закон распределения случайной величины X² имеет вид

Математическое ожидание М(Х²) подсчитывается из этой таблицы:

Математическое ожидание М(Х) = 2,675. Следовательно, согласно формуле (18.11), получаем искомую величину дисперсии:

Свойства дисперсии

Приведем здесь основные свойства дисперсии.

Свойство 1. Дисперсия постоянной величины С равна нулю:

Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:

Свойство 3. Дисперсия суммы независимых случайных величин равна сумме их дисперсий:

Перечисленные свойства дисперсии используются при вычислениях, когда мы имеем дело с несколькими случайными величинами. Из свойств 1 и 3 следует важный вывод: D(X + C) = D(X), где С — постоянная величина. Кроме того, справедлива следующая теорема.

ТЕОРЕМА 2. Дисперсия числа появления события А в п независимых испытаниях с вероятностью появления р в каждом из них этого события вычисляется по формуле

Приведем здесь еще два важных результата: для случайной величины, распределенной по закону Пуассона (18.4), математическое ожидание и дисперсия равны параметру данного распределения.

Пример 7. Найти дисперсию числа выигрышных лотерейных билетов по данным примера 4.

Решение. Имеем 200 независимых испытаний с вероятностью появления выигрышного билета р = 0,015. Стало быть, q = 1 - 0,015 = 0,985, откуда и получаем искомую дисперсию:

Пример 8. Банк выдал ссуды п разным заемщикам в размере S р. каждому под ставку ссудного процента r. Найти математическое ожидание и дисперсию прибыли банка, а также условие на ставку ссудного процента, если вероятность возврата ссуды заемщиком равна р.

Решение. Поскольку заемщики между собой не связаны, то можно полагать, что мы имеем п независимых испытаний. Вероятность утери ссуды для банка в каждом испытании равна q = 1 - р. Пусть Х — число заемщиков, возвративших ссуду с ссудным процентом, тогда прибыль банка определяется формулой

где Х является случайной величиной с биномиальным законом распределения. Тогда, согласно теореме 18.1, математическое ожидание прибыли определяется с использованием формулы (18.7):

Поскольку выдача ссуды имеет смысл лишь при положительном математическом ожидании прибыли (положительная средняя величина прибыли), то из условия М(П) > 0 вытекает условие на ставку ссудного процента:

Дисперсия прибыли банка находится, согласно теореме 18.2, с использованием формулы (18.14) и свойств 1-3:

Среднее квадратическое отклонение

Одной из основных оценок рассеяния возможных значений случайной величины служит среднее квадратическое отклонение.

Определение 4. Средним квадратическим отклонением случайной величины Х (стандартом) называется квадратный корень из ее дисперсии:

Согласно этому определению, из свойства 3 и формулы (18.13) следует, что в случае суммы взаимно независимых случайных величин справедлива формула

Пример 9. Найти дисперсию и среднее квадратическое отклонение случайной величины X, заданной следующим распределением:

Решение. Имеем М(Х) = 2,6. Составим таблицу распределения случайной величины X²:

Отсюда получаем, что М(Х²) = 14,4. По формулам (18.11) и (18.15) окончательно получаем искомые значения D(X) и. σ(Х):

Пример 10. Законы распределения независимых случайных величин Х и Y приведены соответственно в таблицах:

Найти дисперсию и среднее квадратическое отклонение случайной величины Z = 2Х + 3Y.

Решение. Согласно свойствам 2 и 3 дисперсии (формулы (18.12) и (18.13)), имеем

Для вычисления дисперсий D(X) и D(Y) составляем соответствующие таблицы — законы распределения случайных величин Х² и Y²:

Отсюда получаем

Искомые дисперсия и среднее квадратичное отклонение случайной величины Z равны:

Пример 11. В условиях примера 8 найти математическое ожидание и среднее квадратическое отклонение прибыли при п = 1000, р = 0,8, S = 100 тыс. р. и r = 30%.

Решение. Ставка ссудного процента удовлетворяет условию, чтобы математическое ожидание прибыли было положительным: 30 > 100 (1 - 0,8) / 0,8. Математическое ожидание прибыли:

Среднее квадратическое отклонение прибыли:

Начальные и центральные моменты

Определение 5. Начальным моментом порядка k случайной величины Х называется математическое ожидание величины Х^k:

В частности,

и тогда формула (18.11) для вычисления дисперсии принимает вид

Определение 6. Центральным моментом порядка k случайной величины Х называется математическое ожидание k-й степени отклонения:

В частности, согласно формуле (18.9), μ₁ = 0, а дисперсия случайной величины Х является центральным моментом второго порядка:

Соотношения, связывающие начальные и центральные моменты, также могут быть легко получены. Приведем их здесь для моментов третьего и четвертого порядков (они наряду с моментами первого и второго порядков широко применяются в статистике):

Моменты более высоких порядков применяются крайне редко.

Моменты, рассмотренные в этом разделе, называют теоретическими. В отличие от них моменты, вычисляемые по данным наблюдений в математической статистике, называют эмпирическими.