Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Определение. Дисперсией (рассеиванием) дискретной случайной величины X называется математическое ожидание квадрата отклонения случайной величины X от ее математического ожидания M (X)
,
где -случайная величина равная отклонению случайной величины X от своего математического ожидания. Случайная величина c является центрированной, её математическое ожидание равно нулю M (c) = 0. Однако математическое ожидание от квадрата центрированной величины будет всегда положительным числом. Геометрически корень квадратный из дисперсии характеризует “рассеивание” случайной величины X вокруг своего математического ожидания.
Определение. Средним квадратическим отклонением s случайной величины Х называется число равное квадратному корню из дисперсии
.
Пример. Пусть бросается монета. Выпадению О (рла) припишем случайной величине Х значение 1, а при выпадении Р (ешки) припишем Х значение 2. Найти математическое ожидание, дисперсию и среднеквадратическое уклонение.
Решение.
Математическое ожидание равно М (X) = 1 × 1/2 + 2 ×1/2 = 1,5. Заполняем таблицу
Xi | ||
Pi | 1/2 | 1/2 |
-1/2 | 1/2 | |
1/4 | 1/4 |
Вычисляем дисперсию
D (X)= M(c 2) = 1/4 × 1/2 + 1/4 × 1/2 = 1/4.
Среднее квадратичное отклонение случайной величины X равно
.
Мы получили, в общем, тривиальный результат. Уклонение Х от математического ожидания равно s = 1/2, т.е. значения случайной величины X = 1 или Х = 2 отстоят от математического ожидания на длину s = 1/2.
П р и м е р 1. Пусть эксперимент состоит из двух испытаний. Каждое испытание состоит в подбрасывании 1 одной и той же монеты. В каждом испытании по подбрасыванию одной монеты О (рел) появляется с вероятностью Р (О) = p = 1/2. В этих двух испытаниях О может:
а) не появиться вовсе, б) может появиться только один раза, в) может появиться два раза.
В этом эксперименте случайная величина X принимает значения Х = { 0, 1, 2 }. Вероятности появления этих чисел Р 2(k), где k = 0, 1, 2, мы уже рассчитали ранее по упрощенной формуле Бернулли.
Р 2 (0) = ; Р 2 (1) = ;
Р 2 (2) = . Имеем таблицу для биномиального закона
Хi | |||
pi | 1/4 | 1/2 | 1/4 |
-1 | |||
Найти математическое ожидание, дисперсию и средне- квадратичное уклонение.
Р е ш е н и е.
М (X) = 0 × 1/4 + 1 × 1/2 + 2 × 1/4 = 1
D (X)= M(c 2) = 1 × 1/4 + 0 × 1/2 + 1 × 1/4 = 1/2.
Свойство характеризовать рассеивание случайной величины хорошо будет видно на следующем примере.
Пример.
Эксперимент состоит в том, что два стрелка разной квалификации стреляют по 20 раз в мишень. Результаты (очки) от 4 до 10 попадания в мишень приведены в таблице.
Очки | |||||||
1 стрелок | - | - | - | ||||
2 стрелок |
Построить законы распределения, найти математические ожидания, среднеквадратичные уклонения.
Решения. Для каждого из стрелков постоим таблицы. В качестве вероятностей возьмем частоту.
1 стрелок
Очки Xi | |||||||
1 стрелок | - | - | - | ||||
p | 3/20 | 7/20 | 6/20 | 4/20 | - | - | - |
1,55 | 0,55 | -0,45 | -1,45 | - | - | - | |
2.40 | 0.30 | 0.20 | 2.10 |
М (X) = 10 × 3/20 + 9 × 7/20 + 8 × 6/20 + 7 × 4/20 = 8,45
D (X)= M (c 2) = 2.4 ×3/20+0.3×7/20+0.2×6/20+2.1×4/20 =0,945
2 стрелок
Очки Xi | |||||||
2 стрелок | |||||||
p | 1/20 | 2/20 | 4/20 | 5/20 | 3/20 | 3/20 | 2/20 |
3,2 | 2,2 | 1,2 | 0,2 | -0,8 | -1,8 | -2,8 | |
10,24 | 4,84 | 1,44 | 0,04 | 0,64 | 3,24 | 7,87 |
М (X) = 10 × 1/20 + 9 × 2/20 + 8 × 4/20 + 7 × 5/20 +6 × 3/20 + 5 × 3/20 + 4 × 2/20 = 6,8
D (X)= M (c 2) = 10,24 × 1/20 + 4,84 × 2/20 + 1,44 × 4/20 + 0,04 × 5/20 +0,64 × 3/20 + 3,24 × 3/20 + 7,87 × 2/20 = 2,66
Из сравнения результатов вычислений M и s можно сделать вывод, что первый стрелок имеет математическое ожидание ближе к 10, чем у второго стрелка. Среднеквадратичное уклонение меньше у второго стрелка, это означает, что пули первого стрелка лежаться ближе к математическому ожиданию, чем у второго стрелка или как говорят “кучность” стрельбы у первого стрелка лучше. В идеале требуется, чтобы М ожидание было бы равно 10 и среднеквадратичное уклонение s равно нулю. Так мог бы стрелять автоматическое устройство, жестко закрепленное и отлаженное на попадание в центр.
На практике подобный способ вычисления дисперсии неудобен, т.к. приводит при большом количестве значений случайной величины к громоздким вычислениям.
Второй способ вычисление дисперсии.
Дисперсия равна разности между математическим ожиданием квадрата случайной величины Х и квадратом ее математического ожидания.
Применим эту формулу для рассмотренного выше примера для первого стрелка:
Очки Xi | |||||||
(Xi)2 | |||||||
1 стрелок ni | - | - | - | ||||
pi | 3/20 | 7/20 | 6/20 | 4/20 | - | - | - |
М (X 2) = 100 × 3/20 + 81 × 7/20 + 64 × 6/20 + 49 × 4/20 = 72,35
Тогда дисперсия равна
D (X)= 72,35 - (8.45)2 = 0.948
Что совпадает, в пределах точности вычислений, с результатом, подсчитанным первым способом.
Дата публикования: 2015-02-22; Прочитано: 466 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!