1 курс / 1 курс 2 семестр / Теория_вероятностей_8_22_лекц_1К
.pdfТеория вероятностей и математическая статистика
Пример 1 (вариант 1). Найти дисперсию случайной величины X , которая задана следующим законом распределения:
X |
1 |
2 |
5 |
|
|
|
|
p |
0,3 |
0,5 |
0,2 |
|
|
|
|
Решение. Шаг 1. Найдем математическое ожидание случайной величины Х:
М(Х) = 1 0,3 + 2 0,5 + 5 0,2 = 2,3.
Шаг 2. Найдем все возможные значения квадрата отклонения: [x1 - М(X)]2 = (1 - 2,3)2 = 1,69;
[x2 - М(X)]2 = (2 - 2,3)2 = 0,09; [x3 - М(X)]2 = (5 - 2,3)2 = 7,29.
Шаг 3. Напишем закон распределения квадрата отклонения:
[X —M(Х)]2 |
1,69 |
0,09 |
7,29 |
р |
0,3 |
0,5 |
0,2 |
Шаг 4. По определению, D(Х) = 1,69 0,3 + 0,09 0,5 + 7,29 0,2 = 2,01.
21
Теория вероятностей и математическая статистика
Пример 1 (вариант 2). Найти дисперсию случайной величины X , которая задана следующим законом распределения:
Х |
1 |
2 |
5 |
|
|
|
|
р |
0,3 |
0,5 |
0,2 |
|
|
|
|
Решение. Шаг 1. Найдем математическое ожидание М ( X ) :
М(Х) = 1 0,3 + 2 0,5 + 5 0,2 = 2,3.
Шаг 2. Напишем закон распределения случайной величины X2 :
|
|
Х2 |
1 |
4 |
|
25 |
|
|
р |
0,3 |
0,5 |
|
0,2 |
|
|
|
|
|
|
|
Шаг 3. |
Найдем математическое ожидание М(Х2): |
|
||||
|
|
М(Х2) = 1 0,3 + 4 0,5 + 25 0,2 = 7,3. |
|
|||
Шаг 4. |
Искомая дисперсия согласно теореме равна |
|
D(Х) = М(Х2) — [М (Х)]2 = 7,3 — (2,3)2 = 2,01.
22
Теория вероятностей и математическая статистика
Если случайные величины X и Y имеют одинаковые возможные значения и одно и то же математическое ожидание, то дисперсии этих величин не обязательно равны (хотя возможные значения обеих величин одинаково рассеяны вокруг своих математических ожиданий!).
23
Теория вероятностей и математическая статистика
Дело в том, что одинаковые возможные значения
рассматриваемых величин имеют, вообще говоря, различные вероятности, а величина дисперсии
определяется не только самими возможными значениями, но и их вероятностями.
24
Теория вероятностей и математическая статистика
Пример 2. Сравнить дисперсии случайных величин, заданных законами распределения:
Х |
-1 |
1 |
2 |
3 |
|
|
|
|
|
р |
0,48 |
0,01 |
0,09 |
0,42 |
|
|
|
|
|
Y |
-1 |
1 |
2 |
3 |
|
|
|
|
|
р |
0,19 |
0,51 |
0,25 |
0,05 |
|
|
|
|
|
Решение. Легко убедиться, что
М(Х) = М(Y) = 0,97; D(X) 3,69, D(Y) 1.21.
Итак, возможные значения и математические ожидания X и Y одинаковы, а дисперсии различны,
причем D(X) > D(Y).
Этот результат можно было предвидеть без вычислений, глядя лишь на законы распределений.
25
Теория вероятностей и математическая статистика
6.8. Свойства дисперсии
Свойство 1. Дисперсия постоянной величины С
равна нулю:
D(С) = 0 .
Свойство понятно, если учесть, что постоянная
величина сохраняет одно и то же значение и рассеяния не имеет.
26
Теория вероятностей и математическая статистика
Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:
D(СХ) = С2D(Х).
27
Теория вероятностей и математическая статистика
Свойство 2 становится ясным, если принять во внимание, что при |С| > 1 величина СХ имеет возможные значения (по абсолютной величине), бóльшие, чем величина X . Отсюда следует, что эти значения рассеяны вокруг математического ожидания М(СХ) больше, чем возможные значения X вокруг М(Х), т. е. D(СХ) > D(Х). На против, если 0 < |C| < 1 , то D(СХ) < D(X).
28
Теория вероятностей и математическая статистика
Свойство 3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин:
D(Х+У) = D(Х) + D(У).
29
Теория вероятностей и математическая статистика
Следствие 1. Дисперсия суммы нескольких взаимно независимых случайных величин равна сумме дисперсий этих величин.
Например, для трех слагаемых имеем
D(X + Y + Z) = D(Х) + D(Y) + D(Z).
30