СЛУЧАЙНЫХ ВЕЛИЧИН.
Пусть имеется закон распределения случайной величины:
X | x 1 | … | x n |
P | p 1 | … | x n |
Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности:
M (Х) = x 1 p 1 + x 2p2 + … + x n p n =
ЗАМЕЧАНИЯ:
1. Если дискретная случайная величина имеет бесконечно много значений, то существует, если ряд сходится абсолютно.
2. М (Х) – неслучайная, постоянная величина.
Математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений случайной величины и тем точнее, чем больше число опытов. Прежде чем перечислить свойства математического ожидания дадим понятия независимых случайных величин, произведения и суммы случайных величин.
Пусть случайные величины X, Y заданы законами распределения:
X | x 1 | ... | x n | Y | y 1 | … | y n | |
P | p 1 | … | p n | P | g 1 | … | g n |
Случайные величины X, Y называются, независимыми, если закон распределения одной из них не зависит от того, какие возможные значения приняла другая величина.
Произведением независимых случайных величин Х и Y называют случайную величину XY, возможные значения которой равны произведениям каждого возможного значения Х на каждое возможное значение Y. Вероятность возможных значений х i у j равны произведениям вероятностей р i g j.
Суммой случайных величин Х и Y называют случайную величину X + Y, возможные значения которой равны суммам каждого возможного значения X с каждым возможным значением Y, вероятности возможных значений X + Y для независимых случайных величин Х и Y равны произведениям вероятностей слагаемых; для зависимых величин – произведениям вероятности одного слагаемого на условную вероятность второго.
СВОЙСТВА МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ:
1. М (С) = С, С – постоянная величина;
2. М (СХ) = С × М (Х);
3. Если X, Y – независимые случайные величины, то
М (XY) = М (X)× М (Y);
4. М (X + Y) = М (X) + М (Y);
5. Математическое ожидание биномиального распределения равно произведению числа испытаний на вероятность появления события в одном испытании:
М (Х) = np.
ПРИМЕР 1. Дан перечень возможных значений дискретной случайной величины Х: х 1 = 1, х 2 = 2, х 3 = 3. Найти закон распределения, если М (Х) = 2,3 и М (Х 2) = 5,9.
РЕШЕНИЕ: Если случайная величина Х имеет закон распределения
Х | |||
Р | р 1 | р 2 | р 3 |
то величина Х 2 задается законом распределения
Х 2 | |||
Р | р 1 | р 2 | р 3 |
По определению:
М (Х) = р 1 + 2 р 2 + 3 р 3,
М (Х 2) = р 1 + 4 р 2 + 9 р 3.
Кроме того:
р 1 + р 2 + р 3 = 1.
Получили:
Решая систему, получим: р 1 = 0,2; р 2 = 0,3; р 3 =0,5.
ПРИМЕР 2. Рассмотрим дискретные случайные величины X и Y:
X | -1 | Y | -1000 | |||
P | 0,5 | 0,5 | P | 0,5 | 0,5 |
Найдем математические ожидания этих величин:
М (Х) = -1 × 0,5 + 1 × 0,5 = 0,
М (Y) = -1000 × 0,5 + 1000 × 0,5 = 0.
Получим: М (Х) = М (Y).
ВЫВОД: Одно математическое ожидание полностью случайную величину не характеризует. Полезно знать как рассеяны возможные значения случайной величины вокруг ее математического ожидания.
Отклонением называют разность между случайной величиной и ее математическим ожиданием: Х – М (Х). Если закон распределения случайной величины Х известен:
Х | х 1 | … | х n |
Р | р 1 | … | р n |
то отклонение Х – М (Х) имеет следующий закон распределения:
Х – М (Х) | х 1 – М (Х) | … | х n – М (Х) |
Р | р 1 | … | р n |
По свойствам математического ожидания:
М (Х – М (Х)) = М (Х) – М (М (Х)) = М (Х) – М (Х) = 0
Таким образом, среднее значение отклонений не характеризует степень рассеяния случайной величины вокруг ее среднего значения. Поэтому целесообразно рассматривать не отклонения, а их квадраты.
Дисперсией дискретной случайной величины называют математическое ожидание квадрата отклонений случайной величины от ее математического ожидания:
D (X) = M [ Х – М (Х)]2
ПРИМЕР 3.Найти дисперсию случайной величины Х, заданной законом распределения:
Х | |||
P | 0,3 | 0,5 | 0,2 |
РЕШЕНИЕ.
М (Х) = 1 × 0,3 + 2 × 0,5 + 5 × 0,2 = 2,3
Составим закон распределения квадрата отклонений случайной величины от ее математического ожидания.
[ Х – М (Х)]2 | (1 – 2,3) 2 = 1,69 | (2 – 2,3) 2 = 0,09 | (5 – 2,3) 2 = 7,29 |
р | 0,3 | 0,5 | 0,2 |
D (X) = M [ Х – М (Х)]2 = 1,69 × 0,3 + 0,09 × 0,5 + 7,29 × 0,2 = 2,01
Для вычисления дисперсии существует другая, более удобная формула:
D (X) = M (Х 2) – [ М (Х)]2
Составим закон распределения Х 2:
Х | |||
P | 0,3 | 0,5 | 0,2 |
Тогда:
M (Х 2) = 1 × 0,3 + 4 × 0,5 + 25 × 0,2 = 7,3; D (X) = 7,3 - 2,32 = 2,01.
СВОЙСТВА ДИСПЕРСИИ:
1. D (C) = 0;
2. D (CX) = CD (X);
3. Если X, Y – независимые случайные величины, то
D (X + Y) = D (X) + D (Y);
4. D (C + X) = D (X);
5. D (X – Y) = D (X) + D (Y);
6. Дисперсия биномиального распределения равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании:
D (X) = npq.
Средним квадратическим отклонением случайной величины Х называют квадратный корень из дисперсии:
Среднее квадратическое отклонение также служит для оценки рассеяния возможных значений Х вокруг ее среднего значения. Из определения видно, что D (X) имеет размерность, равную квадрату размерности случайной величины. Значит s (Х) имеет ту же размерность, что и случайная величина Х. Поэтому в тех случаях, когда желательно, чтобы оценка рассеяния имела размерность случайной величины, вычисляют среднее квадратичное отклонение, а не дисперсию.
Вероятность того, что отклонение случайной величины Х от ее математического ожидания по абсолютной величине меньше положительного числа ε, определяется неравенством Чебышева:
ПРИМЕР 4. Дискретная случайная величина Х имеет только два возможных значения: х 1 и х 2, причем х 1 < х 2. Найти закон распределения Х, зная математическое ожидание М (Х) = 2,6 и среднее квадратическое отклонение s (Х) = 0,8. Кроме того известно, что Р (Х = х 1) = 0,2.
РЕШЕНИЕ. Так как сумма вероятностей всех возможных значений дискретной случайной величины равна единице, то Р (Х = х 2) = 1 – 0,2 = 0,8.
Напишем закон распределения Х:
Х | х 1 | х 2 |
Р | 0,2 | 0,8 |
По условию М (Х) = 2,6, следовательно,
0,2 х 1 + 0,8 х 2 = 2,6.
Найдем дисперсию:
D (X) = M (Х 2) – [ М (Х)]2 = 0,2 х 12 + 0,8 х 22 – 2,62.
Тогда:
s (Х) = .
Получаем систему уравнений:
Решая эту систему при условии, что х 1 < х 2, получим искомый закон распределения:
Х | ||
Р | 0,2 | 0,8 |
ПРИМЕР 5. Случайные величины X, Y – количество бракованных изделий в партии продукции, поставляемой первым и вторым заводами соответственно, заданы законами распределения:
X | Y | |||||||
P | 0,35 | 0,05 | 0,6 | G | 0,2 | 0,3 | 0,5 |
Найти: а) закон распределения для суммы этих случайных величин;
б) М (X + Y); D (X + Y); в) убедиться, что М (X + Y) = М (X) + М (Y), D (X + Y) = = D (X) + D (Y).
РЕШЕНИЕ.
а) Составим все возможные значения величины Z = X + Y и найдем их вероятности:
z 11 = x 1+ y 1 = 1 + 1 = 2, p 11 = p 1 g 1 = 0,35 × 0,2 = 0,07;
z 12 = x 1+ y 2 = 1 + 2 = 3, p 12 = p 1 g 2 = 0,35 × 0,3 = 0,105;
z 13 = x 1+ y 3 = 1 + 3 = 4, p 13 = p 1 g 3 = 0,35 × 0,5 = 0,175;
z 21 = x 2+ y 1 = 2 + 1 = 3, p 21 = p 2 g 1 = 0,05 × 0,2 = 0,01;
z 22 = x 2+ y 2 = 2 + 2 = 4, p 22 = p 2 g 2 = 0,05 × 0,3 = 0,015;
z 23 = x 2+ y 3 = 2 + 3 = 5, p 23 = p 2 g 3 = 0,05 × 0,5 = 0,025;
z 31 = x 3+ y 1 = 3 + 1 = 4, p 31 = p 3 g 1 = 0,6 × 0,2 = 0,12;
z 32 = x 3+ y 2 = 3 + 2 = 5, p 32 = p 3 g 2 = 0,6 × 0,3 = 0,18;
z 33 = x 3+ y 3 = 3 + 3 = 6, p 33 = p 3 g 3 = 0,6 × 0,5 = 0,3.
Одинаковые значения случайной величины Z объединим, при этом соответствующие вероятности сложим (применяя теорему сложения для несовместных событий). Возможные значения случайной величины запишем в таблице в порядке возрастания и получим закон распределения случайной величины Z = X + Y.
Z = X + Y | |||||
Р | 0,07 | 0,115 | 0,31 | 0,205 | 0,3 |
Контроль: 0,07 + 0,115 + 0,31 + 0,205 + 0,3 = 1.
б) Находим М (X + Y):
М (X + Y) = M (Z) = = 2×0,07 + 3×0,115 + 4×0,31 + 5×0,205 + 6×0,3 = 4,55
Для вычисления дисперсии составим закон распределения Z 2 и найдем M (Z 2).
Z 2 | |||||
Р | 0,07 | 0,115 | 0,31 | 0,205 | 0,3 |
M (Z 2) = 4 × 0,07 + 9 × 0,115 + 16 × 0,31 + 25 × 0,205 + 36 × 0,3 = 22,2
Находим дисперсию D (X + Y):
D (X + Y) = D (Z) = D (Z 2) - [ M (Z)]2 = 22,2 - 4,552 = 1,4975.
в) Убедимся, что М (X + Y) = М (X) + М (Y), D (X + Y) = D (X) + D (Y).
М (X) = 1 × 0,35 +2 × 0,05 + 3 × 0,6 = 2,25;
М (Y) = 1 × 0,2 +2 × 0,3 + 3 × 0,5 = 2,3;
М (X) + М (Y) = 2,25 = 2,3 = 4,55.
Получили: М (X + Y) = М (X) + М (Y).
D (X) = M (Х 2) – [ М (Х)]2 = 1 × 0,35 +4 × 0,05 + 9 × 0,6 - 2,252 = 0,8875;
D (Y) = M (Y 2) – [ М (Y)]2 = 1 × 0,2 +4 × 0,3 + 9 × 0,5 - 2,32 = 0,61;
D (X) + D (Y) = 0,8875 + 0,61 = 1,4975.
Получили: D (X + Y) = D (X) + D (Y).
ПРИМЕР 6. Вероятность появления события в каждом испытании равна . Пользуясь неравенством Чебышева оценить вероятность того, что число Х появления события будет заключено в пределах от 150 до 250, если будет произведено 800 испытаний.
РЕШЕНИЕ. Случайная величина Х распределена по биномиальному закону. Следовательно:
М (Х) = np =800 × = 200;
D (Х) = npq = 800 × = 150.
Найдем максимальную разность между назначенным числом появления события и математическим ожиданием М (Х) = 200:
ε = 250 –200 = 50
Воспользуемся неравенством Чебышева:
Подставив сюда М (Х) = 200, D (Х) = 150, ε = 50, получим:
.