Категории: ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника |
П.2.7. Числовые характеристики распределения вероятностейЧисловые характеристики распределения случайной величины подразделяются на характеристики положения, определяющие характерные значения случайной величины, и характеристики рассеяния. Из характеристик положения наиболее интересным для нас является среднее значение дискретной случайной величины, формируемое через распределение ее вероятностей аналогично среднему арифметическому. Оно задается следующим определением: математическим ожиданием (или средним значением ) МХ дискретной случайной величины Х называется сумма произведений всех ее возможных значений xi на их вероятности рi : МХ= . (П2.20) Аналогично, математическим ожиданием (или средним значением) МХ непрерывной случайной величины Х называется интеграл от произведения ее значений х на плотность распределения вероятностей р(х) : МХ= , ( П2.21) где α и β – начальное и конечное значения Х на интервале (α,β), на котором сосредоточены все возможные значения величины Х. Аналогия формул (П2.20) и (П2.21) становится очевидной, если принять во внимание, что здесь элемент вероятности р(х)dx аналогичен вероятности , а интеграл (П2.21) – это сумма бесконечно малых слагаемых хр(х)dx. Соответственно, математическое ожидание функции Y= ƒ(x) от случайной величины Х выражается через закон распределения самой величины Х : а) для дискретной величины Х: Мƒ(х) = ƒ(х )р ; (П2.20') в) для непрерывной величины Х: Мƒ(х) = . (П2.21') Математическое ожидание называют также центром распределения случайной величины, так как ее рассеяние определяется относительно математического ожидания. Основные свойства математических ожиданий: 1) постоянный множитель можно выносить за знак математического ожидания: МСХ = СМХ ; 2) математическое ожидание суммы случайных величин равно сумме их математических ожиданий М(х +х +…+х ) = МХ +МХ +…+МХ ; 3) математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: М(ХY) = MX MY . Важнейшими числовыми характеристиками рассеяния случайной величины являются дисперсия и среднеквадратическое отклонение. Последнее определяется по формуле: σ(Х) = , (П2.22) где а – математическое ожидание (среднее значение) случайной величины Х; М(Х-а) - среднее значение квадрата отклонения Х от среднего значения а. Подкоренное выражение в формуле (П2.22) часто употребляется самостоятельно и потому получило название дисперсии случайной величины Х: DX = M(X-a) . (П2.23) Выражение (П2.23) можно также записать в форме DX = MX - (MX)2 . (П2.23') Согласно соотношения (П2.20') дисперсия дискретной величины равна DX = , (П2.24) а согласно соотношения (П2.21') дисперсия непрерывной величины равна DX = , (П2.25) где α и β – крайние точки интервала существования Х. Основные свойства характеристик рассеяния: 1) у линейной функции случайной величины Х: Y = kX+b , дисперсия увеличивается в к раз , а среднеквадратическое отклонение - в |к| раз; 2) если случайные величины Х и Y независимы, то дисперсия их суммы равна сумме их дисперсий: D(X+Y) = DX + DY и соответственно – σ(X+Y) = . В частности, дисперсия среднего арифметического n случайных величин, имеющих одинаковую дисперсию, составляет /n , так что среднеквадратическое отклонение в это случае равно: σ( ( )/ n) = σ/ . (П2.26) При испытаниях, заключающихся в проверке наличия или отсутствия какого-либо признака и ведущих к биномиальному распределению (см. §П2.4), наличие признака можно обозначить как х=1, а его отсутствие , как х=0. Если вероятность наличия признака равна р, то математическое ожидание при биномиальном распределении окажется равным, согласно (П2.20), Мх = np . (П2.26') Обозначив вероятность отсутствия признака через q и исходя из соотношения (П2.24), получим в случае однократной проверки наличия признака дисперсию: DX = (1-p) p + (0-p) q = q p + p q = pq . В общем случае биномиального распределения (когда производится n-кратная выборка), получим : DX = npq . (П2.27) Если имеется простейший поток событий , ведущий к распределению Пуассона (см. §П2.5), формула ( п 2.15),то его математическое ожидание можно вывести непосредственно из формулы (П2.20); полагая, что Х=m, m 0. Получим: МХ= = е а = а . Если а=λt при λ= const, то а – это среднее число событий простейшего потока, наступающих за заданное время t и приходящихся на один наблюдаемый объект , что было показано с других позиций уже в §П2.5. Аналогичными рассуждениями можно показать , что дисперсия распределения Пуассона совпадает с его математическим ожиданием: DX = a.
|
|
Последнее изменение этой страницы: 2016-06-09 lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда... |