Числовые характеристики случайной величины Числовые характеристики случайной величины • Применяются вместо закона распределения случайной величины • В сжатой форме выражают наиболее существенные особенности распределения • К ним относятся начальные и центральные моменты СВ, • Важнейшие из них носят название математического ожидания и дисперсии. Математическое ожидание • Математическое ожидание – числовая характеристика положения СВ на числовой оси. • Это некоторое среднее значение, около которого группируются все возможные значения СВ. • Это центр рассеяния значений СВ. Математическое ожидание • Обозначения математического ожидания: M( X ), M X , MO • и некоторые другие. Математическое ожидание • Математическое ожидание дискретной СВ определяется как сумма произведений: M( X ) n x i pi , i 1 • где n p i 1 i . 1 Математическое ожидание • Математическое ожидание непрерывной СВ выражается интегралом: M( x ) x f ( x )dx f(x) • где а f ( x )dx – плотность вероятности, – элемент вероятности Математическое ожидание • Таким образом: n xi pi i 1 M ( x ) ( b ) x f ( x )dx ( a ) - ДСВ - НСВ Математическое ожидание • Математическое ожидание имеет размерность СВ; • может быть выражено как положительным, так и отрицательным числом Математическое ожидание • При увеличении числа наблюдений среднее арифметическое СВ сходится по вероятности к ее математическому ожиданию, т.е. lim X M ( X ), n • где n X x i 1 n i - среднее арифметическое Связь математического ожидания и среднего арифметического • Пусть выполнено n измерений в которых: • x1 - k1 раз • x2 - k2 раз • ……………... • xm - km раз • n = k1 +k2 +…+km x1 k1 x2 k 2 ... xm km X n m xk i i 1 n i m ki xi n i 1 m m ki lim xi xi pi M ( x ) n n i 1 i 1 lim X M ( x ) n Свойства математического ожидания M ( C ) C , где C const. M ( CX ) CM ( X ) n n • 3. M X i M X i i 1 i 1 • 4. M ( aX b ) aM ( X ) b • 5. M ( XY ) M ( X )M ( Y ) - только для • 1. • 2. независимых СВ ! • 6. M ( X ) 0, если f ( x ) f ( x ) Дисперсия случайной величины • Дисперсия – числовая характеристика рассеивания, тесноты группировки всевозможных значений СВ около ее математического ожидания • Дисперсия характеризует точность измерений, если xi – результаты измерений некоторой СВ Дисперсия случайной величины • Для дисперсии приняты обозначения: D, D( X ), DX , и некоторые другие. 2 X Дисперсия случайной величины • Определение: дисперсией называется математическое ожидание квадрата отклонения СВ от ее математического ожидания, т. е. D X M X M X 2 Дисперсия случайной величины • Согласно определению дисперсии и определению математического ожидания: • для ДСВ n • , 2 D( X ) x M ( X ) p • для НСВ - D( X ) i 1 i i x M ( X ) 2 f ( x )dx • - область интегрирования совпадает с областью всех возможных значений СВ Дисперсия случайной величины • Практически для вычисления дисперсии как ДСВ, так и НСВ используется более удобная формула: D X M X • В ней • 2 M X 2 M ( X ) x p i i i 1 для ДСВ n M ( X 2 ) x2 p i i i 1 n Дисперсия случайной величины ( b ) M ( X ) x f ( x )dx ( a ) для НСВ. ( b ) M ( X 2 ) 2 x f ( x )dx ( a ) Среднее квадратическое отклонение • Дисперсия имеет размерность квадрата размерности СВ • Это неудобный показатель точности измерений • Поэтому вводится положительный корень квадратный из дисперсии • Он называется средним квадратическим отклонением и обозначается , ( X ), x Среднее квадратическое отклонение ( X ) D( X ) • Ср. кв. откл. имеет размерность СВ • Поэтому является более удобной, чем дисперсия, числовой характеристикой степени рассеяния значений СВ относительно Мx • (т.е. более удобным показателем точности измерений) Свойства Дисперсии 1. D( C ) 0 , где C const. 2. D( C X ) D( X ) 3. D( CX ) Ñ 2 D( X ) n n 4. D X i D X i i 1 i 1 Ср. кв. отклонения 1. ( Ñ ) 0 , где C const. 2. ( C X ) ( X ) 3. ( CX ) Ñ( X ) - Задача • Дискретная СВ задана рядом распределения: xi pi 0 1 2 0.2 0.5 0.3 • Вычислить математическое ожидание, дисперсию и ср. кв. отклонение. Решение n • 1. M ( X ) xi pi 0 0.2 1 0.5 2 0.3 1.1 . i 1 • 2. D( X ) M ( X ) M ( X ) . • M( X 2 ) 0 2 0.2 12 0.5 22 0.3 1.7 • . D( X ) 1.7 ( 1.1)2 0.49 2 2 • 3. ( X ) D( X ) 0.49 0.7 . . Задача • Непрерывная СВ задана плотностью вероятности 2x при 0 x 1 f(x) при x 0 и x 1 0 • Вычислить математическое ожидание, дисперсию и ср. кв. отклонение. Решение 1 3 1 1 x 1. M ( x ) x f ( x )dx x 2xdx 2 x dx 2 3 0 0 2 0 2 3 2. D( X ) M ( X ) M ( X ) 2 2 1 4 1 1 x M ( x ) x f ( x )dx x 2xdx 2 x dx 2 4 0 0 2 1 2 D( X ) 0.28 2 3 2 2 2 3 3. ( X ) D( X ) 0.28 0.53 0 1 2 Моменты случайной величины • Математическое ожидание и дисперсия – важнейшие из моментов случайной величины, которые (моменты) используются для описания различных ее свойств. • Определим понятие этих моментов. Начальные моменты • Начальным моментом k k - го порядка случайной величины X называется математическое ожидание k-й степени этой случайной величины, т. е. k . • M X k Начальные моменты • Согласно определению k x p для ДСВ i i i 1 k x k f ( x )dx для НСВ n Начальные моменты Если k = 0, то 0 M ( X 0 ) 1 . Если k = 1, то 1 M ( X 1 ) M (. X ) 2 Если k = 2, то 2 M ( X ) . Т.о. математическое ожидание СВ есть начальный момент 1-го порядка этой величины, а дисперсия может быть выражена через начальные моменты 1-го и 2-го порядков: 2 2 2 . • • • • • D( X ) M ( X ) M ( X ) 2 1 Центральные моменты • Центральным моментом k k-го порядка СВ X называется математическое ожидание k-й степени отклонения этой СВ от ее математического ожидания, т. е. математическое ожидание k-й степени соответствующей центрированной СВ: k M X M ( X ) M • где X M ( X ) значение СВ X. k k , – центрированное • Центрированная случайная величина получается при переходе от ряда значений случайной величины X: x1 ,x2 ,...,xn , • к ряду 1 ,2 ,...,n , • где ii xii M( M ( X ) ( ii 1,2,...,n 1,2,...,n )) . • Центрирование равносильно переносу начала координат из нуля в среднюю – «центральную» – точку, • т. е. в точку M ( X ) . Центральные моменты • Согласно определениям центрального момента и математического ожидания: k k i xi M ( X ) pi для ДСВ i 1 i 1 k x M ( X )k f ( x )dx для НСВ n n Центральные моменты • Если k = 0, то 0 M ( ) 1 ; • если k = 1,то 0 1 M ( ) M X M ( X ) 1 1 • ; M( X ) M( X ) 0 • если k = 2, то 2 • , 2 M X M ( X ) D( X ) • т. е. дисперсия СВ есть центральный момент второго порядка этой величины: D( X ) 2 Центральные моменты • Теоретически при симметричности кривой распределения все центральные моменты нечетных порядков равны нулю, т.е. 2i1 0 i 1,2,...,n • Практически это свойство используется для характеристики асимметрии (скошенности) кривой распределения. • Вводится коэффициент асимметрии А: 3 A 3 , x • где 3 – центральный момент 3-го порядка, а x – ср. кв. отклонение СВ • Центральный момент 4 4-го порядка используется для характеристики положения вершины кривой распределения относительно эталона – т.н. нормального распределения, для которого отношение 4 • . 4 x 3 • Вводится числовая характеристика , называемая эксцессом кривой распределения и вычисляемая как 4 E 4 3 x Дополнительные числовые характеристики • Используются для более детального изучения случайной величины. • Отнесем к ним моду Mo и медиану Mе . Мода • Модой случайной величины называется такое значение этой СВ, которому соответствует максимальная плотность вероятности, т. е. f x Mo . max • • Другими словами, мода – это наиболее часто встречающееся значение СВ. Медиана • Медианой называется срединное значение СВ, т. е. такое ее значение x Mе, при котором : 1 P( X Me ) P( X Me ) . 2 • Медиана делит площадь под кривой распределения на две равновеликие части.