Similar presentations:
Лекция 6 (15)
1. Математическое ожидание дискретной случайной величины
Пусть некоторая дискретная случайная величина Х с конечным числомсвоих 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 Xприняла 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→∞), тогдаотносительная 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, еслизакон 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 = p1Событие, 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 своимизаконами 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 еёматематического 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 случайнойвеличины. 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 определениюдисперсии 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 закономраспределения:
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
mathematics