Числовые характеристики служат для краткого описания ДСВ и делятся на две группы: характеристики положения и характеристики разброса. К первым относятся математическое ожидание, мода и медиана случайной величины. Дадим их определения:
1) Математическим ожиданием дискретной случайной величины называется значение, определяемое следующей формулой:
.
Математическое ожидание представляет собой средневзвешенное всех значений Х (“весами” служат вероятности отдельных значений) и характеризует порядок величины (десятые, сотые, целые числа, десятки, сотни и т. д.).
.
Для разобранного в данном разделе примера
.
2) Модой случайной величины называется ее значение, имеющее наибольшую вероятность. В нашем примере = 2.
3) Медианой случайной величины называется такое ее значение, для которого выполняется следующее условие:
Медиана — такое значение случайной величины, для которого функция распределения равна 0. 5.
|
|
Рассмотрим теперь характеристики разброса. Необходимость их введения можно пояснить на примере.
Пусть заданы две случайные величины и .
8 | 9 | 10 | 11 | 12 | |
0,2 | 0,2 | 0,2 | 0,2 | 0,2 | |
– 10 | 0 | 10 | 20 | 30 | |
0,2 | 0,2 | 0,2 | 0,2 | 0,2 |
По данным из таблицы найдем математическое ожидание
,
.
Видно, что при одной и той же величине математического ожидания, отдельные значения отличаются от гораздо меньше, чем отдельные значения от . Числовые характеристики, определения которых сейчас будут даны, учитывают эту разницу в поведении случайных величин.
1) Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения Х от своего математического ожидания. Для ДСВ дисперсия вычисляется по формуле:
.
Преобразование этой формулы позволяет привести ее к более удобному виду:
Используя аналогию с можно обозначить .
Тогда .
Дисперсия равна математическому ожиданию квадрата случайной величины минус квадрат ее математического ожидания.
Вычислим значение дисперсии для случайной величины Х, рассмотренной в примере. По первой формуле:
.
По второй формуле:
.
Следует помнить, что, по своему определению, дисперсия — величина неотрицательная, т. е. .
2) Среднеквадратическим отклонением случайной величины Х называется корень квадратный из дисперсии:
.
Характеристика вводится, чтобы иметь возможность указать разброс в той же размерности, что и сама случайная величина (т. к. дисперсия имеет размерность квадрата Х).
|
|
Для нашего примера = 0. 81.
Среднеквадратическое отклонение имеет смысл абсолютной погрешности при замене Х ее математическим ожиданием.
3) Вариацией случайной величины Х называется отношение .
Вариация имеет смысл относительной погрешности.
31.4. Способы представления непрерывной случайной величины
Пусть непрерывная случайная величина Х принимает значения из некоторого промежутка . Значения и , в зависимости от конкретных условий, могут быть различными, а сам промежуток может быть конечным (например, [–1,2]), полубесконечным (например, (- ,0] или [3, )) или бесконечным . Подразумевается, что . Все значения, попадающие на , невозможно перечислить, поэтому невозможно и указать, какие вероятности им соответствуют. Чтобы охарактеризовать распределение вероятностей в этом случае, поступают так. На выделяют участок от до и находят отношение вероятности попадания на этот участок к длине участка:
.
представляет собой среднюю вероятность, приходящуюся на единицу измерения Х, вычисленную на участке . По аналогии с плотностью (массой, приходящейся на единицу объема) она может быть названа средней плотностью вероятности. Средняя плотность вероятности зависит и от положения точки , и от длины участка . Чтобы исключить влияние , его стараются взять как можно меньшим, т. е. находят предел:
.
Функция называется плотностью вероятности (или плотностью распределения вероятности). Она должна удовлетворять следующему требованию:
.
Как и для ДСВ, вводится понятие функции распределения: . Между функциями и имеется тесная связь:
;
.
Т. е. плотность вероятности является производной от функции распределения и, наоборот, функция распределения является первообразной для плотности вероятности, ее можно найти по формуле:
.
В связи с этим, называют иногда дифференциальной функцией распределения, а — интегральной. Свойства функции для НСВ аналогичны свойствам функции распределения для ДСВ.
С помощью функции распределения можно найти вероятность попадания значений случайной величины на промежуток :
.