Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Числовые характеристики ДСВ.
Пусть ДСВ Х задана таблицей распределения. Математическим ожиданием ДСВ Х называется сумма произведений всех ее возможных значений на соответствующие им вероятности, т.е. M(X) = x1p1+ x2p2 +… = ∑xipi, где суммирование производится по всем возможным значениям случайной величины. Пример. Найти М(Х) случайной величины Х, заданной таблицей
▼ М(Х) = 2∙0,3 + 3∙0,1 + 5∙0,6 = 3,9. Математическое ожидание случайной величины – это среднее ее значение и обозначается М(Х) = μХ. Замечание. Если ясно, о какой случайной величине идет речь, то нижний индекс в μХ можно не указывать и записывать как μ. Геометрически – математическое ожидание случайной величины – это центр распределения. Математическое ожидание случайной величины является величиной неслучайной, постоянной. Математическое ожидание функции g(X) определяется: M(g(X)) = ∑g(xi)pi, где суммирование производится по все возможным значениям Х. В частности, если g(X) =Х2, то M(Х2) = ∑ pi. Например, для рассматриваемого примера M(Х2) = 22∙0,3 + 32∙0,1 + 52∙0,6 = 17,7.
Свойства математического ожидания. Пусть a, b – const, а Х, У – случайные величины, тогда 1. M(a) = a; 2. M(bX) = bM(X); 3. M(X + Y) = M(X) + M(Y); 4. M(XY) = M(X)M(Y), если Х, У независимы; 5. M(X – μ) = 0. Пример. Найти M(Z), где Z = 8X – 5Y + 7, если M(X) =3. M(Y) = 2. ▼ M(Z) = M(8X – 5Y + 7) = 8M(X) – 5M(Y) + 7 = 8∙3 - 5∙2 + 7 = 21.
Дисперсия ДСВ. Пусть Х – случайная величина, а μ = М(Х). Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения случайной величины Х относительно математического ожидания, т.е. D(X) = M(X – μ)2, где μ = М(Х). Для вычисления дисперсии часто используется другое выражение, получаемое из определения дисперсии: D(X) = M(X2) – μ2. ▼ D(X) = M(X – μ)2 = M(X2 - 2μX + μ2) = M(Х2) -2μМ(Х) + μ2 = M(Х2) - 2μ2 + μ2 = M(X)2 – μ2. Дисперсия ДСВ Х определяется выражением: D(X) = ∑(xi – μ)2pi, или D(X) = ∑ pi – μ2. Пример. Найти D(X) случайной величины Х, заданной таблицей
▼ М(Х) = 2∙0,3 + 3∙0,1 + 5∙0,6 = 3,9, μ = 3,9. Дисперсию можно вычислить двумя способами: 1) D(X) = ∑(xi – μ)2pi= (2 – 3,9)2∙0,3 + (3 – 3,9)2∙0,1+ (5 – 3,9)2∙0,6 =1,89. 2) M(X)2 = ∑ pi = 22∙0,3 + 32∙0,1 + 52∙0,6 = 17,1; D(X) = ∑ pi – μ2 = 17,1 – 3,92 = 1,89. Дисперсия является мерой рассеяния случайной величины относительно средней (центра). Размерность дисперсии не совпадает с размерностью случайной величины.
Стандартным отклонением (средним квадратическим отклонением) случайной величины Х называется корень квадратный из ее дисперсии, т.е. . Стандартное отклонение показывает, насколько в среднем отклоняется случайная величина Х относительно средней. Дисперсия (стандартное отклонение) случайной величины Х является величиной неслучайной, постоянной.
Свойства дисперсии. Пусть a, b – const, а Х, У – случайные величины, тогда 1. D(a) = a; 2. D(bX) = b2D(X); 3. D(X ± Y) = D(X) + D(Y), если Х, У независимы. Докажем свойство 3. ▼ D(X ± Y) = M[(X ± Y) – (μx ± μy)] 2 = M[(X - μx) ± (Y - μy)] 2 = M[(X - μx)2 + (Y - μy) 2 ± 2(X - μx) (Y - μy)] = D(X) + D(Y) ± 2M[(X - μx) (Y - μy)]. Если Х, У – независимы, то M[(X - μx) (Y - μy)] = 0, следовательно, D(X ± Y) = D(X) + D(Y). Пример. Найти D(Z), где Z = 8X – 5Y + 7, если известно, что случайные величины Х, У независимы и D(X) = 1,5; D(Y) = 1. ▼ D(Z) = D(8X – 5Y + 7) = 64D(X) + 25D(Y) = 64∙1,5 + 25∙1 = 121.
|
|||||||||||||||||||||
Последнее изменение этой страницы: 2017-02-07; просмотров: 243; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.119.172.146 (0.007 с.) |