Дисперсия и среднее квадратическое отклонение случайной величины. Свойства дисперсии. Производящая функция.

 

В теории вероятностей Дисперсия случайной величины Х называется математическое ожидание Е (Х — m_х)² квадрата отклонения Х от её математического ожидания m_х = Е (Х). Д. случайной величины Х обозначается через D (X) или через s²_X.

Для случайной величины Х с непрерывным распределением вероятностей, характеризуемым плотностью вероятности р (х), дисперсия вычисляется по формуле

где

Дисперсией (рассеянием) случайной величины называется математическое ожидание квадрата ее отклонения от ее математического ожидания:

 

Замечание 1. В определении дисперсии оценивается не само отклонение от среднего, а его квадрат. Это сделано для того, чтобы отклонения разных знаков не компенсировали друг друга.

Замечание 2. Из определения дисперсии следует, что эта величина принимает только неотрицательные значения.

Замечание 3. Существует более удобная для расчетов формула для вычисления дисперсии, справедливость которой доказывается в следующей теореме:

D (X) = M (X ²) – M ²(X). (7.7)

Доказательство.

Используя то, что М (Х) – постоянная величина, и свойства математического ожидания, преобразуем формулу (7.6) к виду:

D (X) = M (X – M (X))² = M (X ² - 2 X·M (X) + M ²(X)) = M (X ²) – 2 M (X)· M (X) + M ²(X) =

= M (X ²) – 2 M ²(X) + M ²(X) = M (X ²) – M ²(X), что и требовалось доказать.

 

Свойства дисперсии.

 

1) Дисперсия постоянной величины С равна нулю:

D (C) = 0. (7.8)

Доказательство. D (C) = M ((C – M (C))²) = M ((C – C)²) = M (0) = 0.

2) Постоянный множитель можно выносить за знак дисперсии, возведя его в квадрат:

D (CX) = C ² D (X). (7.9)

Доказательство. D (CX) = M ((CX – M (CX))²) = M ((CX – CM (X))²) = M (C ²(X – M (X))²) =

= C ² D (X).

3) Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий:

D (X + Y) = D (X) + D (Y). (7.10)

Доказательство. D (X + Y) = M (X ² + 2 XY + Y ²) – (M (X) + M (Y))² = M (X ²) + 2 M (X) M (Y) +

+ M (Y ²) – M ²(X) – 2 M (X) M (Y) – M ²(Y) = (M (X ²) – M ²(X)) + (M (Y ²) – M ²(Y)) = D (X) + D (Y).

Следствие 1. Дисперсия суммы нескольких взаимно независимых случайных величин равна сумме их дисперсий.

Следствие 2. Дисперсия суммы постоянной и случайной величин равна дисперсии случайной величины.

4) Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:

D (X – Y) = D (X) + D (Y). (7.11)

Доказательство. D (X – Y) = D (X) + D (- Y) = D (X) + (-1)² D (Y) = D (X) + D (X).

 

Дисперсия дает среднее значение квадрата отклонения случайной величины от среднего; для оценки самого отклонения служит величина, называемая средним квадратическим отклонением.

Средним квадратическим отклонением σ случайной величины Х называется квадратный корень из дисперсии:

. (7.12)

 

 

Опр:Средним квадратическим отклонением (х) С.В.Х. называется число

Замечание:матем.ожидание М(х) характеризует среднее значение С.В.

Дисперсия D(x)характеризует квадратичное отклонение С.В. от среднего значения:

Св-ва D(x): 1)D(c)=0: 2)D(k*x)= *D(x)

Док-во:D(k*x)=M =

M =

3)дисперсия D(x+-y)=D(x)+D(Y)

4)D(x)=M(x²)-(M(x))²

Док-во:D(x)=M(x-M(x))²)=M(x²-2x*M(x)+M²(x))=M(x²)-2M(x)*M(M(x))+M(M²(x))=M(x²)-2M(x)*M(x)+M²(x)=M(x²)-M²(x)

M(x) M²(X)-постоянные величины

 

Производящей функцией случайной величины x называется функция комплексного переменного z

, |z|£1.

 

производящая функция последовательности f ₀, f ₁..., f_n... функция

(в предположении, что этот степенной ряд сходится хотя бы для одного значения t ¹ 0). Производящая функция называют также генератрисой. Последовательность f ₀, f ₁..., f_n... может быть как числовая, так и функциональная; в последнем случае Производящая функция зависит не только от t, но и от аргументов функций f_n. Например, если f_n = aqⁿ где а и q - постоянные, то Производящая функция

если f_n - Фибоначчи числа; f ₀ = 0, f ₁ = 1, f _n+2= f _n+1+ f _n, то Производящая функция

если f _n = Т _n(х) - Чебышева многочлены: T ₀(х)= 1, T _n (х)= cos (n arc cos x), то Производящая функция

и т.д. Знание Производящая функция последовательности часто облегчает изучение свойств последней. Производящая функция применяются в теории вероятностей, в теории функций и в алгебре (в теории инвариантов). Впервые метод Производящая функция был применен П. Лапласом для решения некоторых проблем теории вероятностей.