Студопедия.Орг Главная | Случайная страница | Контакты | Мы поможем в написании вашей работы!  
 

Математическое ожидание дискретной случайной величины



Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности.

Пусть случайная величина X может принимать только значения х 1, х 2,..., хп, вероятности которых соответственно равны р 1, р 2,..., рп. Тогда математическое ожидание М (X) случайной величины X определяется равенством

М (X) = х 1 р 1 + х 2 р 2 + … + xnpn.

Если дискретная случайная величина X принимает счетное множество возможных значений, то

М (Х) =

причем математическое ожидание существует, если ряд в правой части равенства сходится абсолютно.

Свойство 1. Математическое ожидание постоянной величины равно самой постоянной:

М (С) = С.

Доказательство. Будем рассматривать постоянную С как дискретную случайную величину, которая имеет одно возможное значение С и принимает его с вероятностью р = 1. Следовательно,

М (С) = С* 1 = С.

Свойство 2. Постоянный множитель можно выносить за знак математического ожидания:

Доказательство. Пусть случайная величина X задана законом распределения вероятностей:

X x 1 x 2 xn
p p 1 p 2 pn

Учитывая замечание1, напишем закон распределения случайной величины CX:

CX Cx 1 Cx 2 Cxn
p P 1 P 2 pn

Математическое ожидание случайной величины СХ:

M (CX) = Cx 1 p 1 + Cx 2 p 2 +...+Cxnpn = С (х 1 р 1 + x 2 pz +... + хпрп) = СМ (X).

Итак,

М (СХ) =СМ (Х).

Свойство 3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий:

M (XY) = M (X) M (Y).

Доказательство. Пусть независимые случайные величины X и Y заданы своими законами распределения вероятностей (Для упрощения выкладок мы ограничимся малым числом возможных значений. В общем случае доказательство аналогичное):

X x 1 x 2 Y y 1 y 2
P p 1 p 2 g g 1 g 2

Составим все значения, которые может принимать случайная величина XY. Для этого перемножим все возможные значения X на каждое возможное значение Y; в итоге получим х 1 у 1, х 2 у 1, х 1 у 2 и х 2 у 2. Учитывая замечание 3, напишем закон распределения XY, предполагая для простоты, что все возможные значения произведения различны (если это не так, то доказательство проводится аналогично):

XY х 1 у 1 х 2 у 1 х 1 у 2 х 2 у 2
p p 1 g 1 p 2 g 1 p 1 g 2 p 2 g 2

Математическое ожидание равно сумме произведений всех возможных значений на их вероятности:

М (XY) = х 1 у 1 * p 1 g 1 + х 2 у 1 * p 2 g 1 + х 1 у 2 * p 1 g 2 + х 2 у 2 * p 2 g 2

или

М (XY) = y 1 g 1 (х 1 р 1 + x 2 p 2) + y 2 g 2 (x 1 p 1 + x 2 p 2) = (x 1 p 1 + x 2 p 2)(y 1 g 1 + y 2 g 2) = M (X) *M (Y)

Итак, M (XY) = M (X) *M (Y).

Следствие. Математическое ожидание произведения нескольких взаимно независимых случайных величин равно произведению их математических ожиданий.

Например, для трех случайных величин имеем:

М (XYZ) = М (XY*Z) = M (XY) M (Z) = M (X) М (Y) M `.

Для произвольного числа случайных величин доказательство проводится методом математической индукции.

Следующее ниже свойство справедливо как для независимых, так и для зависимых случайных величин.

Свойство 4. Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий слагаемых:

М (X + Y) = М (X) + М (Y).

Доказательство. Пусть случайные величины X и Y заданы следующими законами распределения (Чтобы упростить вывод, мы ограничились лишь двумя возможными значениями каждой из величин. В общем случае доказательство аналогичное):

X x 1 x 2 Y y 1 y 2
P p 1 p 2 g g 1 g 2

Составим все возможные значения величины Х + Y. Для этого к каждому возможному значению X прибавим каждое возможное значение Y; получим х 1 1, х 1 + у 2, х 2 1, х 2 + у 2, Предположим для простоты, что эти возможные значения различны (если это не так, то доказательство проводится аналогично), и обозначим их вероятности соответственно через р 11, р 12, р 21 и р 22.

Математическое ожидание величины Х + Y равно сумме произведений возможных значений на их вероятности:

M (X+Y) = (х 1 1) р 11 + (х 1 + у 2) р 12 + (х 2 1) р 21 + (х 2 + у 2) р 22,

или

M (X + Y) =x 1 (р 11 + р 12) + х 2 (р 21 + р 22) + у 1 (р 11 + р 21) + у 2 (р 12 + р 22). (*)

Докажем, что р 11 + р 12 = p 1. Событие, состоящее в том, что X примет значение х 1 (вероятность этого события равна р 1), влечет за собой событие, которое состоит в том, что X+Y примет значение x 1 +y 1 или х 2 + у 2 (вероятность этого события по теореме сложения равна р 11 + р 12) и обратно. Отсюда и следует, что р 11 + р 12 = p 1. Аналогично доказываются равенства

р 21 + р 22 =p 2, р 11 + р 21 =g 1 и р 12 + р 22 =g 2.

Подставляя правые части этих равенств в соотношение (*), получим

M (X+Y) = (x 1 p 1 + х 2 р 2) + (y 1 g 1 +y 2 g 2),

или окончательно

М (X + Y) = М (X) + М (Y).

Следствие. Математическое ожидание суммы нескольких случайных величин равно сумме математических ожиданий слагаемых.

Например, для трех слагаемых величин имеем

M (X+Y+Z) =M [(X+Y) +Z ] = М (X + Y) + M (Z) = М (X) + М (Y) + М (Z).

Для произвольного числа слагаемых величин доказательство проводится методом математической индукции.

16 Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

D (X) = M [ X — M (X)]2

Пусть случайная величина задана законом распределения

X x 1 x 2 xn
p p 1 p 2 pn

Тогда квадрат отклонения имеет следующий закон распределения:

[ X-M (X)]2 [ x 1 -M (X)]2 [ x 2 -M (X)]2 [ xn-M (X)]2
p p 1 p 2 pn

По определению дисперсии,

D (X) = M [ Х — М (X)]2 = [ xi-M (X)]2 pl + [ x 2 -M (X)]2 р 2 +... + [ хп (Х)]2 рп.

Таким образом, для того чтобы найти дисперсию, достаточно вычислить сумму произведений возможных значений квадрата отклонения на их вероятности.

Теорема. Дисперсия равна разности между математическим ожиданием квадрата случайной величины X и квадратом ее математического ожидания:

D (X) = М (X 2) [ M (X)]2.

Доказательство. Математическое ожидание М (X) есть постоянная величина, следовательно, 2 М (X) и М 2 (X) есть также постоянные величины. Приняв это во внимание и пользуясь свойствами математического ожидания (постоянный множитель, можно вынести за знак математического ожидания, математическое ожидание суммы равно сумме математических ожиданий слагаемых), упростим формулу, выражающую определение дисперсии:

D (X) = М [ Х — М (X)]2 = М [ Х 2 - 2 ХМ (X) + М 2 (Х)]=

= М (X 2) 2 М (X) М (X) + М 2 (X) = М (X 2) 2 М 2 (X) + М 2 (X) =

М (X 2) —M 2 (X).

Итак,

D (X) =M (X 2) [ М (Х)]2.

Квадратная скобка введена в запись формулы для удобства ее запоминания.

Свойство 1. Дисперсия постоянной величины С равна нулю:

D (С) = 0.

Доказательство. По определению дисперсии,

D (C) =M {[ C-M (C)]2}.

Пользуясь первым свойством математического ожидания (математическое ожидание постоянной равно самой постоянной), получим

D (С) = М [(С—С)2] = М (0) = 0.

Итак,

D (С) = 0.

Свойство становится ясным, если учесть, что постоянная величина сохраняет одно и то же значение и рассеяния, конечно, не имеет.

Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:

D (CX) =C 2 D (X).

Доказательство. По определению дисперсии имеем

D (СХ) = М {[ СХ — М (СХ)]2}.

Пользуясь вторым свойством математического ожидания (постоянный множитель можно выносить за знак математического ожидания), получим

D (СХ) = М {[ СХ—СМ (X)]2} = М2 [ X — М (X)]2} =

= С 2 М {[ Х — М (X)]2} = C 2 D (X).

Итак,

D (CX) = C 2 D (X).

Свойство становится ясным, если принять во внимание, что при | С | > 1 величина СХ имеет возможные значения (по абсолютной величине), большие, чем величина X. Отсюда следует, что эти значения рассеяны вокруг математического ожидания М (СХ) больше, чем возможные значения X вокруг М (Х), т. е. D (CX) >D (X). Напротив, если 0 < | С | < 1, то D (СХ) < D (X).

Свойство 3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин:

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

Доказательство. По формуле для вычисления дисперсии имеем

D (X + Y) = М [(X + Y)2] — [ М (X + Y)]2.

Раскрыв скобки и пользуясь свойствами математического ожидания суммы нескольких величин и произведения двух независимых случайных величин, получим

D (X + Y) = М [ X 2 + 2 ХY + Y 2] — [ M (X) + М (Y)]2 =

= М (X 2) + 2 М (X) • М (Y) + М (Y 2) — М 2 (X) — 2 М (X) • М (Y) — M 2 (Y) = { М (X 2) — [ М (X)]2} +{ M (Y 2) - [ M (Y)]2} =D (X) +D (Y).

Итак,

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

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

Например, для трех слагаемых имеем

D (X+Y+Z) =D [ X+ (Y+Z)] =D (X) +D (Y+Z) =D (X) +D (Y) +D (Z).

Для произвольного числа слагаемых доказательство проводится методом математической индукции.

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

D (C+X) =D (X).

Доказательство. Величины С и X независимы, поэтому, по третьему свойству,

D (C+X) =D (C) +D (X).

В силу первого свойства D (С) = 0. Следовательно,

D (C+X) =D (X).

Свойство становится понятным, если учесть, что величины X и X+С отличаются лишь началом отсчета и, значит, рассеяны вокруг своих математических ожиданий одинаково.

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

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

Доказательство. В силу третьего свойства

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

По второму свойству,

D (X—Y) = D (X) + (- 12) D (Y),

или

D (X — Y) = D (X) +D (Y).

17 Функцией распределения называют функцию F (x), определяющую вероятность того, что случайная величина X в результате испытания примет значение, меньшее х, т. е.

F (x) =P (X < х).

Геометрически это равенство можно истолковать так: F (х) есть вероятность того, что случайная величина примет значение, которое изображается на числовой оси точкой, лежащей левее точки х.





Дата публикования: 2015-01-25; Прочитано: 866 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!



studopedia.org - Студопедия.Орг - 2014-2024 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.018 с)...