- •2.6. Числовые характеристики случайных величин
- •Математическое ожидание случайной величины
- •Моменты. Дисперсия. Среднее квадратическое отклонение.
- •а ее закон распределения:
- •Множество возможных значений биномиальной СВ
- •а вероятности, с которыми значения принимаются, определяются по формуле Бернулли:
- •Множество возможных значений геометрической случайной величины
- •а вероятности значений определяются по формуле:
- •Множество возможных значений пуассоновской случайной величины
- •а вероятности, с которыми значения принимаются, задаются формулой:
- •8. Случайная величина, имеющая распределение Коши.
- •Найдем математическое ожидание этой случайной величины:
2.6. Числовые характеристики случайных величин
Функция распределения, закон распределения и плотность вероятностей полностью характеризуют дискретные и непрерывные случайные величины с вероятностной точки зрения. Однако во многих практических задачах нет надобности в таком полном описании случайных величин. Часто бывает достаточно указать только отдельные числовые параметры, характеризующие существенные черты распределения вероятностей случайной величины. Числа, выражающие в сжатой форме характерные свойства распределения случайной величины, называются числовыми характеристиками случайной величины. Наиболее важные среди них математическое ожидание и дисперсия.
Математическое ожидание случайной величины
Рассмотрим отдельно случай дискретных и непрерывных случайных величин.
Пусть X - дискретная случайная величина, определенная на вероятностном пространстве (Ω, ,P) , с конечным множеством возможных
значений Χ ={x1, x2 ,..., xn} и pi = P(X = xi ), i =1,2, ,n, - вероятности, с которыми эти значения принимаются, то есть задан закон распределения дискретной случайной величины:
X |
x1 |
x2 |
|
xn |
P |
p1 |
p2 |
|
pn |
|
Предположим, что над случайной величиной |
X |
произведено |
N |
||||||||||||||||
независимых наблюдений, в результате которых значение x1 |
появилось m1 |
раз, |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
x2 - |
m2 |
раз,…, |
xn |
- mn раз (∑mi = N ). Тогда среднее значение случайной |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
i=1 |
|
по результатам N |
наблюдений можно |
|||||||
величины (среднее арифметическое) |
||||||||||||||||||||
записать в виде: |
|
|
1 |
|
|
|
|
|
|
n |
|
n |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
x = |
(m1x1 +... + mn xn ) = ∑xi mi = ∑xi pi , |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
N |
|
|
|
|
|
i=1 |
N |
i=1 |
|
|
|
|
|
где |
p |
- |
статистическая |
вероятность |
(относительная |
частота) |
события |
|||||||||||||
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(X = x ), i = |
|
. |
Известно, |
что |
p |
при |
большом |
N |
близка к |
истинной |
||||||||||
1,n |
||||||||||||||||||||
|
i |
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
вероятности |
pi |
= P(X = xi ), i = |
|
. Поэтому, |
если наблюдения над случайной |
|||||||||||||||
1,n |
||||||||||||||||||||
величиной |
X |
не |
производятся, |
то |
за ее среднее |
значение целесообразно |
||||||||||||||
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
||
принять величину ∑xi pi . |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Определение. Математическим ожиданием дискретной случайной |
|||||||||||||||||||
величины |
X , |
принимающей |
значения |
xi |
с |
вероятностями |
||||||||||||||
pi = P(X = xi ), i =1,2 , называется величина |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
M X = ∑xi pi , |
|
(2.7) |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
21
если ряд в правой части абсолютно сходится: ∑ xi pi < ∞.
i
Если ряд в правой части абсолютно расходится, то говорят, что математического ожидания у дискретной случайной величины X не существует.
Замечание. Естественно, что вопрос о сходимости ряда встает только в случае, когда множество возможных значений дискретной случайной величины X бесконечно (но счетно). У дискретной случайной величины, принимающей конечное число значений, математическое ожидание существует всегда.
Пусть теперь X - непрерывная случайная величина, определенная на вероятностном пространстве (Ω, ,P) и имеющая плотность вероятностей
f (x) . Для определения ее математического ожидания построим следующую
дискретную случайную величину X h , аппроксимирующую непрерывную случайную величину X .
Для |
некоторого h > 0 |
рассмотрим |
точки вида |
kh, k = 0,±1,±2,..., на |
||||||||
числовой прямой и положим |
|
|
|
|
|
|
|
|
||||
X h = X h (ω) = kh , если ω A ={ω: kh ≤ X < (k +1)h}, k = 0,±1,±2,.... |
||||||||||||
|
|
|
|
|
k |
|
|
|
|
|
||
Случайная величина X h |
принимает значения kh с вероятностями |
|||||||||||
|
|
|
|
|
|
|
|
|
|
(k+1)h |
|
|
pk = P(X h = kh) = P(kh ≤ X < (k +1)h) = |
∫ |
f (x)dx ≈ f (kh)h , k = 0,±1,±2,... |
||||||||||
(при малом h > 0). |
|
|
|
|
|
kh |
|
|
||||
|
|
|
|
|
|
|
|
|||||
При |
любом h > 0 |
|
X h − X |
|
≤ h |
|
и при |
h →0 |
дискретная случайная |
|||
|
|
|
||||||||||
величина |
X h все точнее аппроксимирует непрерывную случайную величину |
|||||||||||
X . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X (ω) |
|
|
|
|
|
|
|
|
|
|
|
(k +2)h |
|
|
|
|
|
|||||
|
|
(k +1)h |
|
|
|
|
|
|||||
|
|
|
|
kh |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ω |
|
0 |
Ak |
Ak+1 |
|
|
|||||||
|
|
|
|
|||||||||
При этом |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
+∞ |
|
+∞ |
|
|
|||
|
|
MX h = ∑ khpk |
≈ ∑ khf (kh)h , |
|
||||||||
|
|
|
|
|
k=−∞ |
|
k=−∞ |
|
|
если ряд сходится абсолютно. Последняя сумма является интегральной суммой
+∞
для интеграла ∫ xf (x)dx , который и следует считать математическим
−∞
ожиданием непрерывной случайной величины X .
22
Определение. Математическим ожиданием непрерывной случайной
величины X с плотностью вероятностей f (x) |
называется величина |
MX = +∞∫ xf (x)dx , |
(2.8) |
−∞ |
|
если интеграл в правой части абсолютно сходится: +∞∫ x f (x)dx < ∞.
−∞
Если интеграл в правой части абсолютно расходится, то говорят, что математического ожидания у непрерывной случайной величины X не существует.
Замечание. Формулы (2.7) и (2.8) для математического ожидания дискретной и непрерывной случайных величин можно объединить в одну, записав математическое ожидание в виде:
MX = +∞∫ x dF(x) ,
−∞
где последний интеграл понимается в смысле Римана-Стилтьеса по функции распределения F(x) (подробнее см. учебник Гнеденко Б.В. «Курс теории
вероятностей»).
Еще более общим является представление математического ожидания в виде интеграла Лебега:
MX = ∫X d P
Ω
(подробнее см. учебник Ширяева А.Н. «Вероятность»). Механическая интерпретация математического ожидания.
Если закон распределения интерпретировать как распределение единичной массы вдоль оси абсцисс, то математическое ожидание – координата центра тяжести (центра масс).
Геометрическая интерпретация математического ожидания.
Математическое ожидание – среднее значение случайной величины, около которого группируются другие ее значения (иногда вместо математическое ожидание случайной величины X говорят среднее случайной величины X ).
Геометрическая иллюстрация:
f (x) |
f (x) |
MX |
x |
MX |
x |
|
|
23
Основная теорема о математическом ожидании.
Пусть X - некоторая случайная величина, определенная на вероятностном пространстве (Ω, ,P) , закон распределения которой известен
(дискретный или |
непрерывный); g = g(x) : → |
- неслучайная |
функция; |
||
Y = g(X ) - функция от случайной величины X . |
|
|
|||
Везде далее |
мы будем |
предполагать, что |
преобразующая |
функция |
|
g = g(x) удовлетворяет следующим условиям: |
|
|
|||
1. |
Область определения |
D функции g = g(x) |
содержит множество X |
||
возможных значений случайной величины X : X D; |
|
||||
2. |
Функция |
g = g(x) |
является борелевской, то есть измеримой |
относительно борелевской σ -алгебры ( ) . Это означает, что для любого борелевского множества B ( ) его образ g(B) ( ) .
Первое условие обеспечивает корректность функционального преобразования Y = g(X ) . Второе условие гарантирует, что функция Y = g(X )
от случайной величины |
X также будет случайной величиной. Действительно, |
||
если функция |
g = g(x) |
является борелевской, то по определению случайной |
|
величины X |
для любого борелевского множества |
B ( ) множество |
|
(ω:Y (ω) B) = (ω: g(X (ω)) B) = (ω: X (ω) g−1(B)) , |
поскольку полный |
||
прообраз g−1(B) ( ) ). |
|
Замечание. Класс борелевских функций на числовой прямой очень широк и покрывает все потребности практики (в частности, ему принадлежат все ограниченные кусочно-непрерывные функции). Поэтому требование того, что функция g = g(x) должна быть борелевской, для приложений ограничительным
не является.
Задача состоит в нахождении математического ожидания MY = M g(X ) . Существует два способа решения этой задачи:
а) По закону распределения случайной величины X находится закон распределения случайной величины Y = g(X ) и используются стандартные
формулы (2.7) и (2.8);
б) Математическое ожидание MY = M g(X ) находится с помощью основной теоремы о математическом ожидании.
Теорема (основная теорема о математическом ожидании или теорема о замене переменных).
Пусть X - некоторая случайная величина, закон распределения которой известен, случайная величина Y = g(X ) является функцией от случайной
величины X .
1. Если случайная величина X является дискретной, принимающей значения xi с вероятностями pi = P(X = xi ) , i =1,2,..., и при этом ряд ∑g(xi ) pi
i
24
абсолютно сходится |
(∑ |
|
g(xi ) |
|
pi < ∞), то у случайной |
величины |
Y = g(X ) |
||||||
|
|
||||||||||||
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
существует математическое ожидание и |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
MY = M g(X ) = ∑g(xi )pi . |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
2. Если |
случайная |
|
величина X |
является непрерывной с |
плотностью |
||||||
вероятностей |
f (x) |
и |
|
интеграл |
+∞∫ g(x) f (x)dx |
абсолютно |
сходится |
||||||
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
( +∞∫ |
|
g(x) |
|
f (x)dx < ∞), |
то |
|
у случайной величины |
Y = g(X ) |
существует |
||||
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||
−∞ |
|
|
|
|
|
|
|
|
|
||||
математическое ожидание и |
|
|
|
MY = M g(X ) = +∞∫ g(x) f (x)dx .
−∞
(без доказательства).
Смысл основной теоремы о математическом ожидании: Для нахождения математического ожидания случайной величины Y = g(X ) , являющейся
функцией от случайной величины X , не требуется знать закон распределения случайной величины Y , достаточно лишь знать закон распределения случайной величины X .
Свойства математического ожидания
Во всех рассматриваемых ниже свойствах предполагается, что у случайных величин математические ожидания существуют.
М0). Математическое ожидание любой случайной величины есть число! М1). Математическое ожидание постоянной C равно этой постоянной:
MC =C .
М2). Постоянная величина выносится за знак математического ожидания:
M(CX ) =C M X .
М3). Математическое ожидание суммы любых случайных величин X и Y равно сумме их математических ожиданий:
M(X +Y ) = M X + MY .
Замечание. Свойства М1), М2) и М3) называются свойствами линейности математического ожидания и следуют из свойств линейности рядов и интегралов в соответствии с формулами (2.7) и (2.8).
Следующие два свойства математического ожидания связаны с понятием «Р-почти наверное» (Р-п.н.). Говорят, что некоторое свойство выполнено Р-п.н.,
если существует множество N |
с P(N) = 0 |
такое, что это свойство |
выполнено для каждого ω Ω− N . |
Вместо Р-п.н. |
говорят также «Р-почти |
25