Математическое ожидание случайной величины ~ Дисперсия случайной величины ~ Моменты ~ Ассиметрия ~ Эксцесс ~ Среднее геометрическое и среднее гармоническое

Каждая случайная величина полностью определяется своей функцией распределения.

В то же время при решении практических задач достаточно знать несколько числовых параметров, которые позволяют представить основные особенности случайной величины в сжатой форме. К таким величинам относятся в первую очередь математическое ожидание и дисперсия.

Математическое ожидание - число, вокруг которого сосредоточены значения случайной величины. Математическое ожидание случайной величины x обозначается Mx .

Математическое ожидание дискретной случайной величины x , имеющей распределение

называется величина , если число значений случайной величины конечно.

Если число значений случайной величины счетно, то . При этом, если ряд в правой части равенства расходится, то говорят, что случайная величина x не имеет математического ожидания.

Математическое ожидание непрерывной случайной величины с плотностью вероятностей p_x (x) вычисляется по формуле . При этом, если интеграл в правой части равенства расходится, то говорят, что случайная величина x не имеет математического ожидания.

Если случайная величина h является функцией случайной величины x , h = f(x), то

.

Аналогичные формулы справедливы для функций дискретной случайной величины:

, .

Основные свойства математического ожидания:

• математическое ожидание константы равно этой константе, Mc=c ;

• математическое ожидание - линейный функционал на пространстве случайных величин, т.е. для любых двух случайных величин x , h и произвольных постоянных a и b справедливо: M(ax + bh ) = a M(x )+ b M(h );

• математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий, т.е. M(x h ) = M(x )M(h ).

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:

• дисперсия любой случайной величины неотрицательна, Dx 0;

• дисперсия константы равна нулю, Dc=0;

• для произвольной константы D(cx ) = c²D(x );

• дисперсия суммы двух независимых случайных величин равна сумме их дисперсий: D(x ± h ) = D(x ) + D (h ).

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.

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.

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 p_x (x) сильнее “заострен”, чем у нормального распределения, если же g (x ) < 0, то “заостренность” графика p_x (x) меньше, чем у нормального распределения.

Среднее гармоническое и среднее геометрическое случайной величины - числовые характеристики, используемые в экономических вычислениях.

Средним гармоническим случайной величины, принимающей положительные значения, называется величина .

Например, для непрерывной случайной величины, распределенной равномерно на [a, b],

0 < a < b, среднее гармоническое вычисляется следующим образом:

и .

Средним геометрическим случайной величины, принимающей положительные значения, называется величина .

Название “среднее геометрическое” происходит от выражения среднего геометрического дискретной случайной величины, имеющей равномерное распределение

Среднее геометрическое, вычисляется следующим образом:

,

т.е. получилось традиционное определение среднего геометрического чисел a₁, a₂, …, a_n.

Например, среднее геометрическое случайной величины, имеющей показательное распределение с параметром l , вычисляется следующим образом:

, .

Здесь С » 0.577 - постоянная Эйлера.