1 курс / 1 курс 2 семестр / Теория_вероятностей_8_22_лекц_1К
.pdfТеория вероятностей и математическая статистика
Следствие 2. Дисперсия суммы постоянной величины и случайной равна дисперсии случайной величины:
D(С + Х) = D(Х).
Следствие 2 является результатом свойств 1 и 3, а также объясняется тем, что величины X и Х + С отличаются
лишь началом отсчета и, значит, рассеяны вокруг своих математических ожиданий одинаково.
31
Теория вероятностей и математическая статистика
Свойство 4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:
D(Х - Y) = D(Х) + D(Y).
32
Теория вероятностей и математическая статистика
6.9. Дисперсия числа появлений события |
в |
независимых испытаниях |
|
Пусть производится n независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р (испытания Бернулли, биномиальное распределение).
Чему равна дисперсия числа появлений события в этих испытаниях?
33
Теория вероятностей и математическая статистика
Теорема. Дисперсия числа появлений события А в n независимых испытаниях, в каждом из которых вероятность р появления события постоянна, равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании:
D(X) = npq.
34
Теория вероятностей и математическая статистика
Замечание. Так как в рассматриваемом случае величина X распределена по биномиальному закону, то данную теорему можно сформулировать и так:
Дисперсия биномиального распределения с параметрами n и р равна произведению npq.
35
Теория вероятностей и математическая статистика
Пример 1. Производятся 10 независимых испытаний, в каждом из которых вероятность появления события равна 0,6. Найти дисперсию случайной величины X — числа появлений события в этих испытаниях.
Решение. По условию, n = 10, р = 0,6 . Очевидно, вероятность непоявления события
q = 1 - 0,6 = 0,4,
Искомая дисперсия
D(X) = npq = 10 0,6 0,4 = 2,4.
36
Теория вероятностей и математическая статистика
7.1. Среднее квадратическое отклонение
Для оценки рассеяния возможных значений случайной величины вокруг ее среднего значения кроме дисперсии используют среднее квадратическое отклонение (Х).
|
|
|
|
|
|
Средним квадратическим |
отклонением |
случайной |
|
|
величины X называют |
квадратный |
корень из |
|
|
дисперсии: |
|
|
|
|
(Х) = |
( ). |
|
|
|
|
|
|
|
|
|
|
|
|
37
Теория вероятностей и математическая статистика
Легко показать, что дисперсия имеет размерность, равную квадрату размерности случайной величины.
Так как среднее квадратическое отклонение равно
квадратному корню из дисперсии, то размерность
(Х) совпадает с размерностью X.
38
Теория вероятностей и математическая статистика
Поэтому в тех случаях, когда желательно, чтобы
оценка рассеяния имела размерность случайной величины, вычисляют среднее квадратическое отклонение, а не дисперсию.
Например, если X выражается в метрах, то (Х) будет выражаться также в метрах, а D(Х) — в квадратных метрах.
39
Теория вероятностей и математическая статистика
Пример 1. Случайная величина X задана законом распределения
Х |
2 |
3 |
10 |
|
|
|
|
р |
0,1 |
0,4 |
0,5 |
|
|
|
|
Найти среднее квадратическое отклонение (X).
Решение. Шаг 1. Найдем математическое ожидание X :
М(Х) = 2 0,1 + 3 0,4 + 10 0,5 = 6.4.
Шаг 2. Найдем математическое ожидание X2 :
M(X2) = 22 0,1 + 32 0,4 + 102 0,5 = 54.
Шаг 3. Найдем дисперсию:
D(X) = M(X2) — [M(X)]2 = 54 — 6,42 = 13,04.
Шаг 4. Искомое среднее квадратическое отклонение
(X) = |
( ) = |
, 3,61. |
40