Случайные величины
,
поскольку
функция
является нечетной.
Следовательно,
при этом
.
(38.11)
Свойства математического ожидания
Основные свойства математического ожидания следуют непосредственно из свойств интеграла в определении (37.5):
. (39.1)
1.
Пусть
представляет
собой постоянную
,
тогда из (39.1) следует
,
(39.2)
поскольку
для плотности
выполняется
условие нормировки
(33.6). Таким образом,
математическое
ожидание постоянной
равно самой
постоянной.
2.
Пусть
,
где
- число и
- однозначная
функция одной
переменной,
тогда из (39.1) следует
.
(39.3)
Таким
образом, постоянный
множитель
можно вынести
за знак математического
ожидания.
3.
Пусть
,
где
- числа,
- однозначные
функции одной
переменной,
тогда из (39.1) следует
. (39.4)
Из
этого равенства
при
следует свойство
2, а при
и
- свойство 1.
Математическое
ожидание
- это число, которое
ставится в
соответствие
случайной
величине
.
Поэтому
можно рассматривать
как операцию
(оператор, функцию)
над случайной
величиной
.
В соответствии
со свойствами
1-3 оператор
математического
ожидания является
линейным оператором.
Дисперсия случайной величины
40.1.
Дисперсией
случайной
величины
называется
число
. (40.1)
Дисперсия
является удобной
характеристикой
разброса значений
около ее среднего
значения
.
Часто используется
для обозначения
дисперсии
символ
.
Тогда
называется
среднеквадратическим
уклонением
случайной
величины
.
Если дисперсия
имеет размерность
квадрата случайной
величины, то
размерность
совпадает с
размерностью
случайной
величины. Из
(40.1) в соответствии
со свойствами
математического
ожидания следует
. (40.2)
Таким образом,
. (40.3)
Если
дискретная
случайная
величина со
значениями
и соответствующими
вероятностями
,
то ее дисперсия
(40.4)
Если
- непрерывная
случайная
величина и
- ее плотность
вероятности,
то
. (40.5)
40.2.
Рассмотрим
примеры. Вычислим
дисперсию
нормальной
случайной
величины. Ее
плотность
определяется
формулой (35.4).
Подставим
в (40.5), тогда
. (40.6)
Пусть
,
тогда
,

. (40.7)
Подстановка
пределов в
(40.7) дает нулевые
результаты,
а интеграл
равен
.
Поэтому
. (40.8)
Таким
образом, параметр
в плотности
нормальной
случайной
величины является
дисперсией
этой величины,
а среднеквадратичное
уклонение
определяет
эффективную
ширину плотности
:
значение
в
раз меньше
значения
- в точке максимума.
40.3.
В некоторых
случаях для
вычисления
дисперсии
удобно использовать
формулу (40.3). Например,
для экспоненциально
распределенной
случайной
величины
плотность имеет
вид (35.8), а ее среднее
.
Вычислим
. (40.9)
Интеграл в (40.9) вычисляется по частям:

.
Таким
образом,
.
Полученный
результат
подставим в
формулу (40.3), тогда
. 40.10)
40.4.
Вычислим
дисперсию числа
успехов в
вероятностной
схеме Бернулли,
как пример
вычисления
дисперсии
дискретной
случайной
величины. При
этом также
используем
формулу (40.3), т.е.
на первом шаге
вычислим среднее
от квадрата
,
а затем используя
ранее полученный
результат,
дисперсию по
формуле (40.3). Итак,
среднее от
квадрата
, (40.11)
где
- распределение
вероятностей
Бернулли, поэтому
. (40.12)
Пусть
,
тогда
и


.(40.13)
Здесь
- вероятность
появления
успехов в
последовательности
из
опытов. Поэтому
,
как вероятность
достоверного
события, состоящего
в том, что число
успехов будет
любым в интервале
от
до
.
Первая сумма
в (40.13)
как математическое
ожидание числа
успехов в
последовательности
из
опытов в соответствии
с формулой
(38.9). Подставим
эти результаты
в (40.13), тогда
. (40.14)
Теперь
. (40.15)
Моменты случайной величины
41.1. Математическое ожидание и дисперсия являются примерами моментов случайной величины, которые определяются следующим образом.
Начальным
моментом порядка
непрерывной
случайной
величины с
плотностью
распределения
вероятности
называется
число
. (41.1)
Порядок
момента
- это неотрицательное
целое число,
т.е.
.
Начальным
моментом порядка
дискретной
случайной
величины
,
принимающей
значения
с вероятностями
,
,
называется
число
. (41.2)
Определение
(41.1) можно рассматривать
как универсальное
определение
для непрерывных
и для дискретных
случайных
величин. В последнем
случае плотность
вероятности
выражается
через
- функцию согласно
формуле (34.4). Однако
на практике
для вычисления
момента дискретной
величины удобнее
использовать
соотношение
(41.2).
Центральным
моментом порядка
случайной
величины
называется
число
. (41.3)
Для
непрерывной
случайной
величины
с плотностью
вероятности
центральный
момент порядка
имеет вид:
. (41.4)
41.2.
Из всего множества
начальных и
центральных
моментов обычно
используются
моменты невысоких
порядков, до
включительно,
как более простые
характеристики
случайной
величины. Применение
моментов высоких
порядков,
,
ограничено.
Во-первых, при
больших
моменты могут
не существовать,
поскольку могут
расходиться
интегралы
(41.1), (41.4). И во-вторых,
интерпретация
моментов высших
порядков затруднена.
Рассмотрим
начальные
моменты, начиная
с
.
При этом из
(41.1) следует
. (41.5)
Итак,
начальный
момент нулевого
порядка
для любой случайной
величины,
следовательно,
этот момент
не отражает
каких-либо
свойств случайной
величины, т.е.
не является
ее характеристикой.
При
из (41.1) следует,
что момент
первого порядка
- это математическое
ожидание случайной
величины. Разные
случайные
величины могут
иметь разные
математические
ожидания, и
поэтому число
является
характеристикой
случайной
величины: число
указывает
положение
центра ее плотности
вероятности.
Момент второго порядка
(41.6)
-
это среднее
квадрата
случайной
величины, и
т.д.
Рассмотрим
аналогично
центральные
моменты (41.4). При
получаем
- одинаковый
результат для
любой случайной
величины. Поэтому
данный момент
не является
характеристикой
случайной
величины, поскольку
не отражает
каких-либо ее
свойств. При
.
Этот результат
также одинаков
для любой случайной
величины, поэтому
центральный
момент первого
порядка не
является
характеристикой
случайной
величины. При
из (41.4) получаем
дисперсию
(41.7)
- важнейшую числовую характеристику случайной величины и т.д.
Моменты третьего и четвертого порядков будут рассмотрены в дальнейшем.
Неравенство Чебышева
42.1.
Пусть случайная
величина
имеет конечный
момент второго
порядка
,
тогда
,
(42.1)
где
- любое действительное
число и
.
Соотношение
(42.1) называют
неравенством
Чебышева.
Сначала
рассмотрим
доказательство
неравенства,
следующего
из (42.1) при
:
.
(42.2)
Доказательство
неравенства
Чебышева удобнее
рассматривать
отдельно для
непрерывной
и для дискретной
случайных
величин. При
этом доказательства
являются относительно
простыми, а ход
доказательств
вполне очевиден.
В то время как
универсальное
доказательство,
справедливое
и для непрерывной
и для дискретной
случайных
величин оказывается
значительно
более сложным.
Рассмотрим
непрерывную
случайную
величину
с плотностью
вероятности
.
Тогда в соотношении
первое слагаемое
можно представить
в виде
,
поэтому

.
Здесь
использовано
неравенство
- справедливое
на области
интегрирования.
Полученное
выражение
совпадает с
неравенством
(42.2). Аналогично
выполняется
доказательство
для дискретной
случайной
величины.
Теперь
случайную
величину
в (42.2) можно заменить
на случайную
величину
,
где
- любое действительное
число, тогда
из (42.2) следует
неравенство
Чебышева (42.1). Это
неравенство
определяет
границу сверху
для вероятности
или, как говорят,
больших уклонений
случайной
величины
от числа
.
Большие уклонения
понимаются
в смысле их
превышения
над заданным
числом
.
42.2.
Пусть
,
тогда неравенство
Чебышева (42.1) имеет
вид
.
(42.3)
Теперь
минимальное
уклонение
можно измерять
в единицах
среднеквадратического
уклонения
случайной
величины
,
т.е. положить
,
(42.4)
где
- коэффициент
пропорциональности.
Подставим
(42.4) в (42.3), тогда
.
(42.5)
Если
правая часть
,
то (42.5) не представляет
какого-либо
ограничения
на случайную
величину, поскольку
вероятность
не может выходить
за пределы
интервала
.
Поэтому коэффициент
в (42.5) имеет смысл
рассматривать
только большим:
.
Отсюда очевидна
интерпретация
неравенства
Чебышева как
неравенства,
определяющего
границу сверху
вероятности
больших уклонений.
Пусть
- непрерывная
случайная
величина с
плотностью
вероятности
,
тогда неравенству
Чебышева (42.1) можно
дать простую
геометрическую
интерпретацию,
представленную
на рис. 42.1.
Рис. 42.1. Иллюстрация к неравенству Чебышева.
Здесь
указаны числа
,
и
,
заштрихованная
площадь - это
вероятность
.
Коэффициент асимметрии
Среднее
и дисперсия
случайной
величины
- это числа, которые
определяют
такие свойства
ее плотности
вероятности
как положение
центра и эффективную
ширину. Очевидно,
эти два числа
не отражают
всех особенностей
плотности, в
частности,
степень симметрии
или асимметрии
плотности
относительно
математического
ожидания - это
новая характеристика,
которую можно
определить
как некоторое
число.
Для
любой симметричной
плотности
центральные
моменты нечетного
порядка равны
нулю (доказательство
приводится
ниже). Поэтому
простейший
среди них -
центральный
момент третьего
порядка может
характеризовать
асимметрию
плотности
распределения:
,
(43.1)
где
- математическое
ожидание,
- центральный
момент
-
го порядка.
Асимметрию принято характеризовать коэффициентом асимметрии