|
|||||||||||||||||||||||||||||||||||||||||||||||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Числові характеристики ДВВВипадкова величина повністю визначається своїм законом розподілу. Але в деяких випадках корисно знати допоміжні числові характеристики розподілу, крім того, інколи ці характеристики є важливішими за сам розподіл випадкової величини. Математичне сподівання Нехай маємо ДВВ Х та її таблицю розподілу
Означення. Математичним сподіваннямдискретної випадкової величини Х називається сума добутків всіх можливих значень випадкової величини та відповідних їх ймовірностей М(Х)= (12)
Математичне сподівання називають центром розсіювання випадкової величини і середнім арифметичним спостережуваних значень випадкової величини. Задача 2. Азартна гра. Кидають два гральні кубики. Якщо сума очок більша 10, то гравець виграє 10 копійок, інакше програє 1 копійку. Чи є сенс йому грати в цю гру 12000000 партій? Розв’язання. W=36, тому із 36 можливих результатів випробування лише 3 сприятливих для гравця. А закон розподілу матиме вигляд
М(Х)= . Отже, програючи в середньому копійки за партію, за 12 000000 партій гравець програє 1 000 000 копійок, або 10 000 грн.
Властивості математичного сподівання: 1. Математичне сподівання сталої величини є сама ця стала: М(С)=С; 2. Сталий множник можна виносити за знак математичного сподівання: М(СХ)=СМ(Х); 3. Математичне сподівання суми двох випадкових величин дорівнює сумі їх математичних сподівань: М(Х+У)=М(Х)+М(У); 4. Математичне сподівання добутку двох незалежних випадкових величин дорівнює добутку їх математичних сподівань: М(Х·У)=М(Х) М(У);
Дисперсія та середнє квадратичне відхилення Математичне сподівання дає відповідь на питання: „Яке значення випадкова величина приймає всередньому?” Неважко показати, що випадкові величини з рівними математичними сподіваннями можуть суттєво відрізнятися по ступені близькості до нього. Розглянемо випадкові величини Х та У
Очевидно М(Х)=М(У)=50. Але якщо для випадкової величини Х відхилення від значення 50 незначне, то для випадкової величини У воно суттєве. Якщо вибір між величинами Х та У – це вибір між двома альтернативними рішеннями, то Х – це більш стабільний передбачуваний результат, а У – це ризик. Показником такої „непередбачуваності” є ще одна числова характеристика, що називається дисперсією і позначається D(X). Якщо від випадкової величини відняти її математичне сподівання, то отримаємо нову випадкову величину Х-М(Х). Квадрат останньої також є випадковою величиною (Х-М(Х))2, математичне сподівання якої і є дисперсія випадкової величини Х.
Означення. Дисперсією дискретної випадкової називається математичне сподівання квадрата різниці випадкової величини і її математичного сподівання D(X)=M(X-M(X))2 (13)
Дисперсію зручно обчислювати за формулою: D(X)=M(X2)-(M(X))2 (14) Ця формула випливає безпосередньо з означення після застосування властивостей математичного сподівання. Обчислимо тепер дисперсії випадкових величин Х та У Зауваження: математичне сподівання може бути будь-яким числом, а дисперсія завжди додатне число. Властивості дисперсії 1. D(C)=0, C – стала величина; 2. D(CX)=C2D(X), тобто сталий множник можна винести за знак дисперсії, піднісши його до квадрату; 3. Дисперсія суми незалежних випадкових величин дорівнює сумі їх дисперсій D(X+Y)=D(X)+D(Y) Наслідок: D(X-Y)=D(X)+D(Y). Випадкові величини, що моделюють будь-які об’єкти реального світу, зазвичай мають розмірність (штуки, кілограми, метри і т.п.) При цьому математичне сподівання має туж розмірність, що й сама величина. А розмірність дисперсії дорівнює квадрату розмірності випадкової величини. Для того, щоб уникнути цього вводиться поняття середньоквадратичного відхилення.
Означення. Корінь квадратний з дисперсії називається середнім квадратичним відхиленням випадкової величини і обчислюється за формулою: (15)
Дисперсія і середнє квадратичне відхилення є мірою розсіяння значень випадкової величини навколо її математичного сподівання. Задача 3. Дано ряд розподілу дискретної випадкової величини
Знайти дисперсію та середнє квадратичне відхилення. Розв’язання. Знайдено математичне сподівання за формулою (12): М(Х)=1·0,4+2·0,5+3·0,1=1,7. Для знаходження математичного сподівання від квадрата можливих значень, потрібно всі можливі значення випадкової величини піднести до квадрата
М(Х2)= 1·0,4+4·0,5+9·0,1=3,3. За формулою (14) знаходимо дисперсію D(X)= M(X2)-(M(X))2=3,3-(1,7)2=0,41. Тоді середнє квадратичне відхилення знаходиться за формулою (15) і дорівнює . Відповідь: 0,41; 0,64.
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.) |