Дисперсия и среднее квадратическое отклонение

Названные числовые характеристики дают представление о разбросе случайных величин относительно их среднего значения.

Дисперсией (рассеянием) случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания.

Для вычисления дисперсии можно использовать слегка преобразованную формулу

т.к. М(х), 2 и постоянные величины, то

.

Свойства дисперсии.

Свойство 1. Дисперсия постоянной равна нулю. По определению

Свойство 2. Постоянную можно выносить за знак дисперсии с возведением в квадрат.

Доказательство:

Центрированной случайной величиной называется отклонение случайной величины от ее математического ожидания.

Центрированная величина обладает двумя удобными для преобразования свойствами:

Свойство 3. Если случайные величины Х и У независимы, то

Доказательство. Обозначим . Тогда и . Поэтому

Во втором слагаемом в силу независимости случайных величин и свойств центрированных случайных величин

поэтому равенство можно продолжить

Пример. Если a и b – постоянные, то D(a x+b)=D(a x)+D(b)=

Дисперсия, как характеристика разброса случайной величины, имеет один недостаток. Если, например, Х – ошибка измерения имеет размерность ММ, то дисперсия имеет размерность . Поэтому часто предпочитают пользоваться другой характеристикой разброса – средним квадратическим отклонением, которое равно корню квадратному из дисперсии.

Среднее квадратическое отклонение имеет ту же размерность, что и сама случайная величина.

Дисперсия числа появления события в схеме независимых испытаний.

Производится n независимых испытаний и вероятность появления события в каждом испытании равна р. Выразим, как и прежде, число появления события Х через число появления события в отдельных опытах

Так как опыты независимы, то и связанные с опытами случайные величины независимы. А в силу независимости имеем

Р	1-р	р

Но каждая из случайных величин имеет закон распределения и , поэтому по определению дисперсии

,

где q=1-p

В итоге имеем ,

Среднее квадратическое отклонение числа появления событий в n независимых опытах равно .

Моменты случайных величин.

Помимо уже рассмотренных случайные величины имеют множество других числовых характеристик.

Начальным моментом k-го порядка случайной величины Х называется математическое ожидание k-ой степени этой случайной величины.

Центральным моментом k-го порядка случайной величины Х называется математическое ожидание k-ой степени соответствующей центрированной величины.

Легко видеть, что центральный момент первого порядка всегда равен нулю, центральный момент второго порядка равен дисперсии, т.к. .

Центральный момент третьего порядка дает представление об асимметрии распределения случайной величины. Моменты порядка выше второго употребляются сравнительно редко, поэтому мы ограничимся только самими понятиями о них.

Числовые характеристики системы случайных величин составляют числовые характеристики каждой из величин, входящих в систему, и числовые характеристики, дающие представление о характере связи между величинами. Числовые характеристики каждой из величин по отдельности определяются как числовые характеристики обычных случайных величин. Из числовых характеристик зависимости между величинами назовем лишь наиболее употребимую.

Корреляционным моментом или ковариацией случайных величин Х и У называется математическое ожидание произведения соответствующих центрированных величин

Если случайные величины независимы, то их ковариация равна нулю. Обратное утверждение верно не всегда. Равенство нулю ковариации независимых случайных величин следует из теоремы о математическом ожидании произведения независимых случайных величин

часто силу зависимости между случайными величинами характеризуют безразмерным коэффициентом .

ВОПРОС

Date: 2016-05-23; view: 501; Нарушение авторских прав