Под случайной величиной понимается переменная, которая в результате испытания в зависимости от случая принимает одно из возможного множества своих значений (какое именно – заранее не известно).
Диспе́рсияслуча́йной величины́ — мера разброса значений случайной величины относительно её математического ожидания.
Квадратный корень из дисперсии, равный ẟ {\displaystyle \displaystyle \sigma }, называется среднеквадрати́ческимотклоне́нием, станда́ртнымотклоне́нием или стандартным разбросом. Стандартное отклонение измеряется в тех же единицах, что и сама случайная величина, а дисперсия измеряется в квадратах этой единицы измерения.
Определение
Пусть X — случайная величина, определённая на некотором вероятностном пространстве. Тогда дисперсией называется
D[X]=M [(X-M[X])2]
где символ M обозначает математическое ожидание.
Замечания
· Если случайная величина X дискретная, то
D[X]= pi(xi-M[X])2,
где xi — i-ое значение случайной величины, pi — вероятность того, что случайная величина принимает значение xi,n — количество значений случайной величины.
|
|
· Если случайная величина X непрерывна, то:
D[X]= (x-M[X])2dx,
где f(x) — плотность вероятности случайной величины.
· В силу линейности математического ожидания, справедлива формула:
D[X]=M[X^{2}]- (M[X])^{2}
· Дисперсия является вторым центральным моментом случайной величины;
· Дисперсия может быть бесконечной.
· Дисперсия может быть вычислена с помощью производящей функции моментов U(t):
D[X]=M[X^{2}]-(M[X])^{2}=U''(0)-(U'(0))^{2}
· Дисперсия целочисленной случайной величины может быть вычислена с помощью производящей функции последовательности.
· Удобная формула для вычисления смещённой оценки дисперсии (англ. biasedsamplevariance) случайной величины X по последовательности X1...Xn — реализаций этой случайной величины:
Где — несмещённая оценка M[X].
Для получения несмещённой оценки дисперсии (англ. unbiasedsamplevariance) правую часть вышеуказанного равенства необходимо умножить на n/(n-1). Несмещённая оценка обозначается 2
{\displaystyle {\widetilde {S}}^{2}={\dfrac {\sum \limits _{i=1}^{n}X_{i}^{2}-{\dfrac {\left(\sum \limits _{i=1}^{n}X_{i}\right)}{n}}^{2}}{n-1}}={\dfrac {\sum \limits _{i=1}^{n}X_{i}^{2}-n{\bar {X}}^{2}}{n-1}}={\dfrac {\sum \limits _{i=1}^{n}\left(X_{i}^{2}-{\bar {X}}^{2}\right)}{n-1}}}ИЛИ