Дисперсия случайной величины
Дисперсия случайной величины характеризует меру разброса случайной величины около ее математического ожидания. Если случайная величина x имеет математическое ожидание Mx , то дисперсией случайной величины x называется величина Dx =M(x - Mx )2. Легко показать, что Dx = M(x - Mx )2= Mx 2 - M(x )2. Эта универсальная формула одинаково хорошо применима как для дискретных случайных величин, так и для непрерывных. Величина Mx 2 >для дискретных и непрерывных случайных величин соответственно вычисляется по формулам , . Для определения меры разброса значений случайной величины часто используется среднеквадратичное отклонение ,связанное с дисперсией соотношением . Основные свойства дисперсии:
Моменты В теории вероятностей и математической статистике, помимо математического ожидания и дисперсии, используются и другие числовые характеристики случайных величин. В первую очередь это начальные и центральные моменты. Начальным моментом k-го порядка случайной величины x называется математическое ожидание k-й степени случайной величины x , т.е. a k = Mx k. Центральным моментом k-го порядка случайной величины x называется величина m k, определяемая формулой m k = M(x - Mx )k. Заметим, что математическое ожидание случайной величины - начальный момент первого порядка, a 1= Mx , а дисперсия - центральный момент второго порядка, a 2 = Mx 2 = M(x - Mx )2 =Dx . Существуют формулы, позволяющие выразить центральные моменты случайной величины через ее начальные моменты, например: m 2=a 2-a 12, m 3 = a 3 - 3a 2a 1 + 2a 13. Если плотность распределения вероятностей непрерывной случайной величины симметрична относительно прямой x = Mx , то все ее центральные моменты нечетного порядка равны нулю.
Асимметрия В теории вероятностей и в математической статистике в качестве меры асимметрии распределения является коэффициент асимметрии, который определяется формулой , где m 3 - центральный момент третьего порядка, - среднеквадратичное отклонение.
Эксцесс Нормальное распределение наиболее часто используется в теории вероятностей и в математической статистике, поэтому график плотности вероятностей нормального распределения стал своего рода эталоном, с которым сравнивают другие распределения. Одним из параметров, определяющих отличие распределения случайной величины x , от нормального распределения, является эксцесс. Эксцесс g случайной величины x определяется равенством . У нормального распределения, естественно, g = 0. Если g (x ) > 0, то это означает, что график плотности вероятностей px (x) сильнее “заострен”, чем у нормального распределения, если же g (x ) < 0, то “заостренность” графика px (x) меньше, чем у нормального распределения.
©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|