КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Числовые характеристики
Закон распределения полностью характеризует случайную величину, однако часто бывает, что он неизвестен. В этом случае пользуются числовыми характеристиками случайной величины, которые описывают ее суммарно. К ним относятся математическое ожидание и дисперсия. Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности. Пусть случайная величина имеет закон распределения (2.20). Тогда математическое ожидание вычисляется по формуле: (2.21) Замечание. Математическое ожидание - величина неслучайная и приблизительно равная (тем точнее, чем больше число испытаний n) среднему арифметическому ожиданию значений случайной величины. Покажем это. Пусть произведено n испытаний, в которых случайная величина приняла m1 раз значение х1, m2 раз значение х2 , …, mk раз значение хk. При этом ml + m2 + ...+mk= n. Тогда сумма всех значений, принятых случайной величиной Х, равна х1m1+x2m2+…+xkmk Очевидно, что среднее арифметическое x*== Поскольку - относительная частота (частость) появления i- го значения случайной величины, то X*=x1W1+x2W2+…+xkWk Но при большом числе испытаний относительная частота приближается к значению вероятности W1≈p1, W2≈p2, …., Wk≈pk, поэтому Х*=х1р1+х2р2+…+хкрк=М[Х]. Свойства математического ожидания: 1. Математическое ожидание постоянной величины равно самой постоянной: М[с] = с. 2. Постоянный множитель можно выносить за знак математического ожидания: М[сХ] = сМ[Х]. 3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий: M[XY] = M[X]M[Y]. 4. Математическое ожидание суммы (разницы) двух случайных величин равно сумме (разнице) их математических ожиданий: M[X±Y] = M[X]±M[Y].
5. Математическое ожидание числа А (п) появления события А в независимых опытах равно произведению числа испытаний на вероятность появления события в каждом испытании: М[А(n)] = nр. Может оказаться, что случайные величины, совершенно различные по возможным значениям, имеют одинаковые математические ожидания, например: X -0,01 0,01 Y -100 100 Р 0,5 0,5 Р 0,5 0,5 М[Х] = 0 M[Y] = 0 Для оценки того, как рассеяны возможные значения случайной величины возле математического ожидания, используют вторую числовую характеристику - дисперсию. Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: D[X] = М(Х - M[X])2.(2.22) Пример. Случайная величина задана законом распределения X 3 5 2 Р 0,1 0,6 0,3 Определить D[X]. Решение. По выражению (2.21) определяем М[Х] = 0,1*3+0,6*5+0,3*2 = 3,9. Возможные значения квадрата отклонения (х1 - М[Х])2=(3-3,9)2=0,81 (х2 - М[Х])2=(5-3,9)2=1,21 (х2 - М[Х])2=(2-3,9)2=3,61 имеют те же вероятности, что и возможные значения самой случайной величины, следовательно, их закон распределения имеет вид (х2 - М[Х])2 0,81 1,21 3,61 Р 0,1 0,6 0,3 Тогда, по определению, D[X] = 0,81*0,1 + 1,21*0,6 + 3,61*0,3 = 1,89. Есть формула, позволяющая получить значение дисперсии менее громоздким способом, а именно, D[X] = М[Х2] – (M[X])2. Воспользуемся данными предыдущего примера. Так как квадраты возможных значений X имеют те же вероятности, что и сами возможные значения, то они имеют следующий закон распределения: X2 9 25 4 Р 0,1 0,6 0,3 Тогда М[Х2] = 9*0,1 + 25*0,6 + 4*0.3 =17,1. Следовательно, D[X] = M[X2] - (M[X])2 = 17,1 -3,92 = 17,1 - 15,21 = 1,89. Свойства дисперсии: 1.Дисперсия постоянной величины равняется нулю. 2.Постоянный множитель можно выносить за знак дисперсии, при этом его величина возводится в квадрат: D[cX]=c2D[X]. 3.Дисперсия суммы (разности) двух независимых случайных величин равна сумме (разности) дисперсий: D[X±Y] = D[X]±D[Y].
4.Дисперсия суммы постоянной и случайной величин равна дисперсии случайной величины D[c+X] =D[X]. 5.Дисперсия числа появления события А в n независимых испытаниях, в каждом из которых вероятность р появления события А постоянна, равна произведению числа испытаний на вероятность появления (р) и непоявления (q = 1 - р) события в одном испытании: D[A(n)]=npq. Средним квадратическим отклонением случайной величины называют корень квадратный из дисперсии: δ[Х]= (2.23) Среднее квадратическое отклонение суммы нескольких случайных величин вычисляется по формуле: δ[Х1+Х2+…+Хn]= (2.24)
Дата добавления: 2014-01-07; Просмотров: 323; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |