Математическое ожидание дискретной случайной величины
Доказательство теоремы 6.1
Доказательство теоремы 6.1
Независимые случайные величины
Свойства математического ожидания
Доказательства свойств математического ожидания
Доказательства свойств математического ожидания
Доказательства свойств математического ожидания
Дисперсия
Свойства дисперсии
Свойства дисперсии
Доказательства свойств дисперсии
154.56K
Category: mathematicsmathematics

Лекция 6 (15)

1. Математическое ожидание дискретной случайной величины

Пусть некоторая дискретная случайная величина Х с конечным числом
своих значений задана законом распределения с помощью таблицы:
X
P
х1
р1
х2
р2
х3
р3
…
…
хn
рn
Определение. Математическим ожиданием дискретной случайной
величины Х (обозначается M(Х)) называется сумма произведений всех
возможных значений величины Х (xi ) на соответствующие вероятности.
n
М ( Х ) = x1 p1 + x 2 p2 + ..... + x n pn = xi pi
i =1
(1)
Теорема 6.1: Математическое ожидание дискретной случайной
величины Х приблизительно равно среднему арифметическому всех ее
значений (при
достаточно большом числе возможных значений
случайной величины).
Лекция №6, ТВиМС, Лакман И.А.2015
1

2. Доказательство теоремы 6.1

Допустим сделано n испытаний, в которых случайная величина X
приняла m1 раз значение х1. Соответственно m2 раз приняла значение x2, ...,
mk раз значение хk. При этом m1+m2+ ... +mk=n. Следовательно, сумма всех
значений, которые приняли X:
x1m1+x2m2+ ... +хkmk.
Для отыскания среднего арифметического всех значений X , которые
были приняты случайной величиной, нужно разделить вычисленную сумму
на общее число испытаний:X = ( x m + x m + ... + x m ) / n
1 1
2 2
k
k
или: X = x1( m1 / n ) + x2 ( m2 / n ) + ... + xk ( mk / n )
Поскольку отношение m1/ n— это относительная частота W1 значения x1,
а m2/ n— это относительная частота W2 значения x2 и так далее, то можно
записать:
X = x1W1 + x2W2 + ... + xkWk
Лекция №6, ТВиМС, Лакман И.А.2015
2

3. Доказательство теоремы 6.1

Положим, что число испытаний довольно большое (n→∞), тогда
относительная частота приблизительно равняется вероятности появления
события:
W1 p1, W2 p2 ,...,Wk pk ,
Тогда:
X = x1 p1 + x2 p2 + ... + xk pk
Правая часть выражения и есть математическое ожидание М(Х)
X M(X )
Лекция №6, ТВиМС, Лакман И.А.2015
3

4. Независимые случайные величины

Определение: Две случайные величины называют независимыми, если
закон распределения одной из них не зависит от того, какие возможные
значения приняла другая величина. В противном случае: случайные
величины называют зависимыми.
Определение: Несколько случайных величин называют взаимно
независимыми, если законы распределения любого числа из них не зависят
от того, какие возможные значения приняли остальные величины.
Определение: Произведением независимых случайных величин X и Y
является случайная величина Z=XY, возможные значения которой равны
произведениям каждого возможного значения X на каждое возможное
значение Y, а вероятности возможных значений произведения Z=XY равны
произведениям вероятностей возможных значений сомножителей.
Определение: Суммой случайных величин X и Y является случайная
величина Z=X+Y, возможные значения которой равны суммам каждого
возможного значения X с каждым возможным значением Y, а вероятности
возможных значений X+Y равны произведениям вероятностей слагаемых
для независимых величин X и Y, и произведениям вероятности одного
слагаемого на условную вероятность другого – для зависимых величин.
Лекция №6, ТВиМС, Лакман И.А.2015
4

5. Свойства математического ожидания

1.
2.
M(С) = C , где C=const.
М ( Х 1 + Х 2 + ...... + Х n ) = M ( Х 1 ) + M ( Х 2 ) + .... + M ( Х n ) ,
где Х 1 , Х 2 ,...Х n- случайные величины.
3. М ( Х 1 Х 2 ...... Х n ) = M ( Х 1 ) M ( Х 2 ) .... M ( Х n )
,
Х 1 , Х 2 ,...Х n - взаимно независимые случайные величины.
где
4. M(СХ)=С*M(Х), где C=const.
5. Математическое ожидание биноминального распределения равно
произведению числа испытаний на вероятность появления события в
одном испытании.
M(Х)=np .
Лекция №6, ТВиМС, Лакман И.А.2015
5

6. Доказательства свойств математического ожидания

1.
2.
Постоянную величину C можно рассматривать как случайную
дискретную величину, принимающую лишь одно возможное
значение с вероятностью 1. Поэтому M(С)=С*1=С,
Пусть Х и Y дискретные случайные величины, заданные своими
законами распределения:
Х
x1
x2
Y
y1
y2
Р
p1
p2
Р
g1
g2
Тогда случайная величина Х+Y имеет закон распределения:
Х+Y
x1+y1
x1+y2
x2+y1
x2+y2
Р
p11
p12
p21
p22
М ( Х + Y ) = ( x1 + y1 ) p11 + ( x1 + y2 ) p12 + ( x2 + y1 ) p21 + ( x2 + y2 ) p22
Лекция №6, ТВиМС, Лакман И.А.2015
6

7. Доказательства свойств математического ожидания

Покажем, что p11 + p12 = p1
Событие, состоящее в том, что Х примет значение х1 (вероятность этого
события р1), влечет за собой событие, которое состоит в том, что Х+Y
примет значение х1 или y1, то есть (х1+y1) или х1 или y2, то есть (х1+y2).
Вероятность того события по теореме о сложении вероятностей p11 + p12
Следовательно, p11 + p12 = p1
Аналогично: p + p = p p + p = g
21
22
2
11
21
1 p12 + p22 = g 2
Тогда:
М ( Х + Y ) = ( x1 + y1 ) p11 + ( x1 + y2 ) p12 + ( x2 + y1 ) p21 + ( x2 + y2 ) p22 =
= x1( p11 + p12 ) + x2 ( p21 + p22 ) + y1( p11 + p21 ) + y2 ( p12 + p22 ) =
= ( x1 p1 + x2 p2 ) + ( y1g1 + y2 g 2 ) = M ( X ) + M (Y )
Лекция №6, ТВиМС, Лакман И.А.2015
7

8. Доказательства свойств математического ожидания

3. Пусть Х и Y дискретные случайные величины, заданные своими
законами распределения:
Х
x1
x2
Y
y1
y2
Р
p1
p2
Р
g1
g2
Тогда случайная величина ХY имеет закон распределения:
ХY
x1 y 1
x1 y 2
x2 y 1
x2 y 2
Р
p1g1
p1g2
p2g1
p2g2
М ( ХY ) = x1 y1 p1g1 + x2 y1 p1g 2 + x1 y2 p1g 2 + x2 y2 p2 g 2 =
= y1g1( x1 p1 + x2 p2 ) + y2 g 2 ( x1 p1 + x2 p2 ) =
= ( x1 p1 + x2 p2 )( y1g1 + y2 g 2 ) = M ( X )M (Y )
Лекция №6, ТВиМС, Лакман И.А.2015
8

9. Дисперсия

Определение. Отклонением случайной величины Х от её
математического ожидания называют случайную величину Х-М(Х) .
Математическое ожидание отклонения случайной величины от
математического ожидания равно нулю.
M ( Х − M ( Х )) = 0
(2)
Определение. Дисперсией дискретной случайной величины Х
(обозначается D(Х)) называется математическое ожидание квадрата
отклонения случайной величины Х от её математического ожидания:
(
D(.Х ) = M Х − M ( Х ) 2
)
(3)
Определение. Средним квадратичным отклонением случайной
величины Х называют квадратный корень из её дисперсии:
(4)
( Х ) = D( Х )
Лекция №6, ТВиМС, Лакман И.А.2015
9

10. Свойства дисперсии

1.
D(С)=0, где С =const.
2. D(С Х ) = С 2 D( Х ) , где С =const.
3. D( Х 1 + Х 2 + ... + Х n ) = D( Х 1 ) + D( Х 2 ) + .. + D( Х n, )
где Х 1 , Х 2 ,...Х n - независимые случайные величины.
4.
D(С + Х ) = D( Х ) , где С =const.
5. D ( X − Y ) = D ( X ) + D (Y ), где X и Y независимые случайные величины.
6. Дисперсия биноминального распределения равна произведению числа
испытаний на вероятности появления и непоявления события в одном
испытании:
D( Х ) = n p q
Лекция №6, ТВиМС, Лакман И.А.2015
10

11. Свойства дисперсии

Существует другая формула расчета дисперсии дискретной случайной
величины. Дисперсия дискретной случайной величины равна разности
между математическим ожиданием квадрата случайной величины Х и
квадратом её математического ожидания:
(5)
D( Х ) = M ( Х 2 ) − M ( Х ) 2
Доказательство: математическое ожидание М(Х) постоянная величина,
следовательно, М(Х)2 и 2• М(Х) также постоянные величины.
Тогда
2
2
2
(
)
D ( X ) = M X − M ( X ) = M [ X − 2 X M ( X ) + M ( X ) ] =
= M ( X 2 ) − 2 M ( X ) M ( X ) + M ( X )2 = M ( X 2 ) −
− 2 M ( X )2 + M ( X )2 = M ( X 2 ) − M ( X )2
Лекция №6, ТВиМС, Лакман И.А.2015
11

12. Доказательства свойств дисперсии

1. Пусть Х=С. Так как М(С)=0, то по определению
дисперсии имеем
D(C ) = M C − M (C ) 2 = M (02 ) = 0
(
(
) (
)
)
2. Рассмотрим D(CX ) = M CX − M (CX ) 2 = M C ( X − M ( X
, )) 2 =
= M (C 2[ X − M ( X )]2 ) = C 2 M ([ X − M ( X )]2 ) = C 2 D( X )
3.
(
)
D( X + Y ) = M X + Y ) 2 − [ M ( X + Y )]2 = M [ X 2 + 2 XY + Y 2 ] −
− [ M ( X ) + M (Y )]2 = M ( X 2 ) + 2 M ( X )M (Y ) + M (Y 2 ) − M ( X )2 −
− 2 M ( X )M (Y ) − M (Y )2 = M ( X 2 ) − M ( X )2 + M (Y 2 ) − M (Y )2
где X и Y независимые случайные величины.
4.
D(С + Х ) = D( Х ) + D(C ) = D( X ) + 0 = D( X )
5.
D( Х − Y ) = D( Х ) + D( −Y ) = D( X ) + ( −1)2 D(Y ) = D( X ) + D(Y )
Лекция №6, ТВиМС, Лакман И.А.2015
12

13.

Задача Дискретная случайная величина задана табличным законом
распределения:
X
Р
1
0.1
2
0.2
4
0.2
5
0.3
8
0.2
Требуется найти её математическое ожидание и дисперсию.
Решение: Согласно формуле (3):
n
M ( Х ) = xi pi = 1 0 ,1 + 2 0 ,2 + 4 0 ,2 + 5 0 ,3 + 8 0 ,2 = 4 ,4
i =1
По формуле (5) найдем сначала отклонения случайной величины от M(Х),
а затем возведем их в квадрат. Итак:
.
Х
Р
Х-М(Х)
(Х-М(Х))2
1
0,1
-3,4
11,56
2
0,2
-2,4
5,76
4
0,2
-0,4
0,16
5
0,3
0,6
0,36
Лекция №6, ТВиМС, Лакман И.А.2015
8
0,2
3,6
12,96
13

14.

)
(
D( Х ) = M Х − M ( Х ) 2 = 0 ,1 11 ,56 + 0 ,2 5 ,76 + 0 ,16 4 +
+ 0.36 5 + 0 ,8 12 ,96 = 5 ,04.
Теперь вычислим дисперсию по формуле (8):
Х
Р
Х2
1
0.1
1
2
0.2
4
4
0.2
16
5
0.3
25
8
0.2
64
English     Русский Rules