Дисперсия случайной величины.

Дисперсией D(x) случайной величины х называют число, которое определяется по формуле

D(x)=E(x–E(x)) (11.1)

Поэтому дисперсия D(x) случайной величины х, которая может принимать значения с вероятностями Р ,…Р определяется, как число i=k i=k j=k

D(x)=∑(x –E(x)) ∙P =∑(x – ) ∙P (11.2)

i=1 i=1 j=1

Например, в случае с игральной костью для дисперсии D(x) получаем следующее число

D(x)= =(1/6)∙((1-7/2) +(2-7/2) +(3-7/2) +(4-7/2) +(5-7/2) +(6-7/2) )=(1/6)∙(25/4+9/4+1/4+1/4+9/4+25/4)=(1/6)∙(35/2)=35/12 (11.3)

Пусть некоторая случайная величина х* является суммой (10.4) случайных величин . Пусть эти случайные величины независимы. Это означает, что вероятность, с которой может осуществиться то или иное значение случайной величины не зависит от того, какое значение принимают другие случайные величины . Тогда доказывается, что дисперсия случайной величины х* является суммой дисперсии случайных величин

Важно заметить, что если случайные величины не являются независимыми, то дисперсия их суммы не обязательно равна сумме их дисперсий.

Математическим ожиданием случайной величины х (M[x])называется средне взвешенно значение случайной величины причем в качестве весов выступают вероятности появления тех или иных значений.

Для дискретной случайной величины

Для непрерывной

С механической точки зрения мат. Ожидание это абсцисса центра тяжести системы точек расположенных по одноименной оси. Размерность мат. Ожидания совпадает с размерностью самой случайной величины.

Математическое ожидание случайной величины всегда больше наименьшего значения и меньше наибольшего.

Математическим ожиданием случайной величины X называется число вида

x_i - все возможные различные конкретные исходы испытания;

p_i - вероятности их наступления.

Математическое ожидание является как бы аналогом центра масс точечной механической системы:

Как центр масс:

Смысл характеристики мат.ожидания заключается в следующем: это точка на числовой оси, относительно которой группируются результаты конкретных испытаний над дискретной случайной величиной.

Свойства математического ожидания

1. MC=C

2. MCX=CMX

Построим таблицу для случайной величины CX:

по определению математического ожидания:

3. M(X+a)=MX+a, a=const

Построим таблицу для случайной величины x+a

Доказать следствие

4. M(aX+b)=aMX+b, где a, b - константы

Пусть случайная величина Y является функцией f(x) от случайной величины X. Построим вероятностное пространство случайной величины Y.

Верхняя строчка является пространством элементарных событий для случайной величины Y. В противном случае верхняя строчка является пространством элементарных событий для величины Y.

Все одинаковые числа в верхней строчке заменяется одним, вероятность наступления которого равна сумме соответствующих вероятностей.

Следствие.

Математическое ожидание случайной величины Y равняется:

Начальным моментом К-го порядка случайной величины X называется математическое ожидание случайной величины X^k.

Центрированная случайная величина - это величина, равная X’=X-MX

Покажем, что математическое ожидание MX’ равно 0.

Центральным моментом К-го порядка называется начальный момент К-го порядка случайной величины X’

при решении реальных задач практические вероятности р_i неизвестны, но считая, что вероятность - это частость, при большом числе испытаний

Дисперсией случайной величины X, называется центральный момент второго порядка случайной величины X.

Дисперсия является мерой концентрации результатов конкретных испытаний над случайной величиной X.

Свойства.

1. Чем меньше дисперсия, тем более тесно группируются результаты конкретных испытаний относительно математического ожидания.

Пусть дисперсия мала, тогда мало каждое слагаемое суммы (x_i-)²p_i. Тогда для , x_i которое по модулю резко отличается от математического ожидания , p_i - мало. Следовательно, большую вероятность наступления могут иметь лишь те x_i, которые по модулю мало отличаются от математического ожидания.