- •Авторы: Новротская Надежда Леонидовна, доцент
- •Рецензент: Хацкевич г.А., профессор
- •Часть I
- • Новротская н.Л.
- •Часть I
- •Тема 1. Введение.
- •§1.1. Предмет теории вероятностей.
- •§1.2. Общие правила комбинаторики.
- •§1.3. Вопросы для самопроверки.
- •§1.4. Задачи.
- •Тема 2. Случайные события и их вероятности.
- •§2.1. Случайные события и их классификация.
- •§2.2. Действия с событиями.
- •§2.3. Вероятностное пространство. Вероятности и правила действия с ними.
- •2.3.1. Определение вероятности события.
- •2.3.2. Вероятность суммы событий.
- •Условная вероятность и теорема умножения вероятностей.
- •2.3.5 Формула Байeса (английский математик 1702–1762 г.Г.)
- •§2.4. Модель независимых испытаний Бернулли.
- •2.4.1. Повторные независимые испытания. Формула Бернулли.
- •§2.5. Вопросы для самопроверки.
- •§2.6. Задачи.
- •Тема 3. Случайные величины и их распределения.
- •§3.1. Виды случайных величин и их распределения.
- •§ 3.2. Плотность распределения вероятностей.
- •§ 3.3. Числовые характеристики распределения вероятностей и их свойства
- •3.3.2. Примеры использования математического ожидания.
- •Дисперсия случайной величины и ее свойства.
- •Моменты.
- •3.3.5. Характеристики формы распределения (асимметрия и эксцесс).
- •Квантили.
- •§ 3.4. Примеры распределений.
- •3.4.2. Распределение Пуассона.
- •3.4.3. Гипергеометрическое распределение.
- •3.4.6. Нормальное распределение.
- •3.4.7. Показательное (экспоненциальное) распределение.
- •§ 3.5. Вопросы для самопроверки.
- •§ 3.6. Задачи.
-
Дисперсия случайной величины и ее свойства.
Многие случайные величины имеют одинаковое математическое ожидание, но различные возможные значения. Поэтому одного математического ожидания недостаточно для характеристики случайной величины.
Пусть доходы Х и Y(в долларах) двух фирм заданы распределениями:
X |
800 |
1000 |
|
Y |
400 |
1850 |
0,1 |
0,9 |
|
0,6 |
0,4 |
Вычислив их ожидаемые доходы, получим M(X) = 980$ и M(X) = 980$, т.е. они равны, хотя возможные доходы и их вероятности различны.
Чтобы оценить, как рассеяны возможные значения случайной величины относительно ее математического ожидания, пользуются числовой характеристикой, которую называют дисперсией.
Определение. Дисперсией случайной величины Х называется неотрицательное число D(X), определяемое формулой
, если Х
– дискретная случайная
величина,
, если Х
– непрерывная случай-
ная величина.
Иногда удобно пользоваться другой формулой, которую можно получить, если воспользоваться свойствами математического ожидания,
.
Дисперсия существует, если ряд (соответственно интеграл) сходится.
Неотрицательное число называется средним квадратическим отклонением случайной величины Х. Оно имеет размерность случайной величины Х и определяет некоторый стандартный среднеквадратичный интервал рассеивания, симметричный относительно математического ожидания. Величину иногда называют стандартным отклонением.
Случайная величина называется центрированной, если . Случайная величина называется нормированной (стандартной), если .
Продолжим пример. Вычислим дисперсию доходов двух фирм:
Сравнивания дисперсии, видим, что доход второй фирмы варьирует больше, чем первой.
Свойства дисперсии.
-
Дисперсия постоянной величины равна нулю, т.е. , если константа. Это очевидно, так как постоянная величина имеет математическое ожидание, равное постоянной величине, т.е. .
-
Постоянный множитель C можно вынести за знак дисперсии, предварительно возведя его в квадрат.
Действительно,
3. Дисперсия алгебраической суммы двух независимых случайных величин равна сумме их дисперсией, т.е.
Выражение называется ковариацией величин Х и Y (см. Тема 4, §2). Для независимых случайных величин ковариация равна нулю, т.е.
Используя это равенство, можно пополнить список свойств математического ожидания. Если случайные величины Х и Y независимы, то математическое ожидание произведения равно произведению математических ожиданий, а именно:
Если случайная величина преобразована линейно, т.е. , то
.
Пример 1. Пусть производится n независимых испытаний, вероятность появления события А в каждом из которых постоянна и равна p. Чему равна дисперсия числа появлений события А в этих испытаниях?
Решение. Пусть – число появления события А в первом испытании, – число появления события А во втором испытании и т.д. Тогда общее число наступления события А в n испытаниях равно
.
Воспользовавшись свойством 3 дисперсии, получим
Здесь мы воспользовались тем, что , i = (см. примеры 1 и 2, п.3.3.1.).
Пример 2. Пусть Х – сумма вклада (в долларах) в банке – задана распределением вероятностей
Х |
20 |
40 |
60 |
80 |
100 |
120 |
i = |
0,01 |
0,03 |
0,10 |
0,30 |
0,5 |
0,06 |
Найти среднюю сумму вклада и дисперсию.
Решение. Средняя сумма вклада равна математическому ожиданию
.
Для вычисления дисперсии воспользуемся формулой
,
D(X) = 8196 – 7849,96 = 348,04.
Среднее квадратическое отклонение