Математическое ожидание и дисперсия
Случайный результат нельзя точно предсказать для одного опыта, но его поведение можно описать математически. Для этого используют характеристики распределения: математическое ожидание показывает средний результат большого числа повторений, а дисперсия оценивает разброс значений относительно этого среднего. Вместе они помогают сравнивать случайные процессы, даже если отдельные наблюдения сильно отличаются друг от друга.
Случайная величина
Случайной величиной называют числовой результат опыта, который заранее неизвестен. При броске монеты ей можно присвоить значения 0 и 1, при броске игральной кости — значения от 1 до 6, а при контроле партии деталей — количество изделий с дефектом.
Для дискретной случайной величины составляют закон распределения. В нём каждому возможному значению xi соответствует вероятность pi. Сумма всех вероятностей должна быть равна единице:
Сам перечень возможных значений ещё не даёт полного представления о процессе. Важно знать, какие результаты встречаются чаще, где расположен центр распределения и насколько далеко отдельные значения могут отклоняться от него.
Математическое ожидание
Математическое ожидание — это среднее значение случайной величины, рассчитанное с учётом вероятности каждого исхода. Для дискретной случайной величины используется формула:
Каждое возможное значение умножают на вероятность его появления, после чего полученные произведения складывают. Поэтому исход с высокой вероятностью сильнее влияет на итог, чем редкий результат.
Математическое ожидание не обязано совпадать с одним из возможных исходов. Например, среднее число очков при броске правильной шестигранной кости равно 3,5, хотя такого значения на её гранях нет. Число 3,5 описывает средний результат длинной серии бросков, а не отдельный опыт.
Дисперсия
Одного среднего значения недостаточно для сравнения распределений. Два процесса могут иметь одинаковое математическое ожидание, но совершенно разный характер результатов. В одном случае значения будут находиться рядом со средним, в другом — часто отклоняться от него.
Дисперсия показывает средний квадрат отклонения случайной величины от её математического ожидания:
Для вычислений также применяют сокращённую формулу:
Дисперсия всегда неотрицательна. Чем она меньше, тем плотнее значения группируются около среднего. Чем она больше, тем заметнее разброс. Корень из дисперсии называют средним квадратическим отклонением:
Среднее квадратическое отклонение измеряется в тех же единицах, что и сама случайная величина, поэтому его часто удобнее использовать при практическом сравнении данных.
Пример расчёта
Пусть случайная величина X может принимать три значения. Закон распределения задан таблицей:
| Значение xi | 0 | 1 | 2 |
|---|---|---|---|
| Вероятность pi | 0,2 | 0,5 | 0,3 |
Сначала проверим сумму вероятностей: 0,2 + 0,5 + 0,3 = 1. Затем найдём математическое ожидание:
Для дисперсии удобно сначала вычислить математическое ожидание квадрата случайной величины:
Теперь подставим значения в сокращённую формулу:
Среднее квадратическое отклонение равно:
Полученные характеристики читаются так: средний результат длинной серии равен 1,1, а типичное отклонение от него составляет около 0,7 единицы.
Практический смысл
Математическое ожидание и дисперсия применяются там, где результат зависит от случайных факторов. Эти показатели используют в разных практических задачах:
- В технике рассчитывают среднее число отказов и разброс срока службы оборудования.
- В экономике сравнивают ожидаемую доходность и риск разных решений.
- В страховании оценивают средний размер выплат и вероятность крупных отклонений.
- В контроле качества анализируют ожидаемое количество брака в партии.
- В исследованиях сравнивают результаты серий наблюдений и экспериментов.
Таким образом, среднее значение отвечает на вопрос о предполагаемом центре распределения, а дисперсия показывает, насколько надёжно отдельные результаты будут держаться рядом с этим центром.
Что важно помнить
Математическое ожидание не предсказывает результат следующего опыта. Оно проявляется как устойчивая средняя характеристика только при достаточно большом числе повторений. На короткой серии случайные отклонения могут быть значительными.
Дисперсия дополняет среднее значение и помогает отличить стабильный процесс от процесса с сильными колебаниями. Поэтому при анализе случайной величины полезно рассматривать сразу три показателя: математическое ожидание, дисперсию и среднее квадратическое отклонение.
Если известны возможные значения случайной величины и их вероятности, расчёт выполняется последовательно: сначала находят математическое ожидание, затем среднее значение квадратов, после чего вычисляют дисперсию и извлекают из неё квадратный корень. Такой порядок снижает риск арифметической ошибки и позволяет проверить каждый этап отдельно.
Математическое ожидание и дисперсия |
теория вероятностей |
|---|
