Значення дисперсії у статистиці. Розрахунок групової, міжгрупової та загальної дисперсії (за правилом складання дисперсій)

На цій сторінці описано стандартний приклад знаходження дисперсії, також Ви можете переглянути інші завдання на її знаходження

Приклад 1. Визначення групової, середньої з групової, міжгрупової та загальної дисперсії

Приклад 2. Знаходження дисперсії та коефіцієнта варіації у групувальній таблиці

Приклад 3. Знаходження дисперсії у дискретному ряду

Приклад 4. Є такі дані щодо групи з 20 студентів заочного відділення. Потрібно збудувати інтервальний рядрозподілу ознаки, розрахувати середнє значення ознаки та вивчити його дисперсію

Побудуємо інтервальне угруповання. Визначимо розмах інтервалу за формулою:

де X max - максимальне значення групувального ознаки;
X min-мінімальне значення групувальної ознаки;
n – кількість інтервалів:

Приймаємо n=5. Крок дорівнює: h = (192 - 159) / 5 = 6,6

Складемо інтервальне угруповання

Для подальших розрахунків збудуємо допоміжну таблицю:

X"i - середина інтервалу. (наприклад середина інтервалу 159 - 165,6 = 162,3)

Середню величинузростання студентів визначимо за формулою середньої арифметичної зваженої:

Визначимо дисперсію за такою формулою:

Формулу можна перетворити так:

З цієї формули випливає, що дисперсія дорівнює різниці середньої з квадратів варіантів і квадрата та середньої.

Дисперсія у варіаційних рядах з рівними інтервалами за способом моментів може бути розрахована наступним способом при використанні другої властивості дисперсії (розділивши всі варіанти на величину інтервалу). Визначення дисперсії, обчисленої за способом моментів, за такою формулою менш трудомісткий:

де i – величина інтервалу;
А - умовний нуль, як який зручно використовувати середину інтервалу, що володіє найбільшою частотою;
m1 – квадрат моменту першого порядку;
m2 – момент другого порядку

Дисперсія альтернативної ознаки (якщо в статистичній сукупності ознака змінюється так, що є тільки два варіанти, що взаємно виключають один одного, то така мінливість називається альтернативною) може бути обчислена за формулою:

Підставляючи до цієї формули дисперсії q =1- р, отримуємо:

Види дисперсії

Загальна дисперсія вимірює варіацію ознаки у всій сукупності загалом під впливом всіх чинників, що зумовлюють цю варіацію. Вона дорівнює середньому квадрату відхилень окремих значень ознаки х від загального середнього значення х може бути визначена як проста дисперсія або зважена дисперсія.

Внутрішньогрупова дисперсія характеризує випадкову варіацію, тобто. частина варіації, яка обумовлена ​​впливом неврахованих факторів і не залежить від ознаки-фактора, покладеної в основу угруповання. Така дисперсія дорівнює середньому квадрату відхилень окремих значень ознаки всередині групи X від середньої арифметичної групи і може бути обчислена як проста дисперсія або зважена дисперсія.

Таким чином, внутрішньогрупова дисперсія вимірюєваріацію ознаки всередині групи та визначається за формулою:

де хі - групова середня;
ni – число одиниць у групі.

Наприклад, внутрішньогрупові дисперсії, які треба визначити в задачі вивчення впливу кваліфікації робітників на рівень продуктивності праці в цеху показують варіації виробітку в кожній групі, викликані всіма можливими факторами (технічний стан обладнання, забезпеченість інструментами та матеріалами, вік робітників, інтенсивність праці тощо) .), крім відмінностей у кваліфікаційному розряді (всередині групи всі робітники мають одну й ту саму кваліфікацію).

Теорія ймовірності – особливий розділ математики, який вивчають лише студенти вищих навчальних закладів. Ви любите розрахунки та формули? Вас не лякають перспективи знайомства з нормальним розподілом, ентропією ансамблю, математичним очікуванням та дисперсією дискретною випадкової величини? Тоді цей предмет вам буде дуже цікавим. Познайомимося з кількома найважливішими базовими поняттями цього розділу науки.

Згадаймо основи

Навіть якщо ви пам'ятаєте найпростіші поняття теорії ймовірності, не зневажайте перших абзаців статті. Справа в тому, що без чіткого розуміння основ ви не зможете працювати з формулами, що розглядаються далі.

Отже, відбувається деяка випадкова подія, якийсь експеримент. Через війну вироблених дій ми можемо отримати кілька результатів - одні зустрічаються частіше, інші - рідше. Імовірність події - це відношення кількості реально отриманих наслідків одного типу до загальному числуможливих. Тільки знаючи класичне визначенняданого поняття, ви зможете приступити до вивчення математичного очікуваннята дисперсії безперервних випадкових величин.

Середнє арифметичне

Ще в школі на уроках математики ви починали працювати із середнім арифметичним. Це поняття широко використовується в теорії ймовірності, і тому його не можна обминути. Головним для нас зараз є те, що ми зіткнемося з ним у формулах математичного очікування та дисперсії випадкової величини.

Ми маємо послідовність чисел і хочемо знайти середнє арифметичне. Все, що від нас вимагається - підсумувати все існуюче та розділити на кількість елементів у послідовності. Нехай ми маємо числа від 1 до 9. Сума елементів дорівнюватиме 45, і це значення ми розділимо на 9. Відповідь: - 5.

Дисперсія

Говорячи науковою мовою, дисперсія – це середній квадрат відхилень отриманих значень ознаки від середньої арифметичної. Позначається одна заголовною латинською літерою D. Що потрібно, щоб її розрахувати? Для кожного елемента послідовності порахуємо різницю між наявним числом та середнім арифметичним і зведемо у квадрат. Значень вийде рівно стільки, скільки може бути результатів у події, що ми розглядаємо. Далі ми підсумовуємо все отримане та ділимо на кількість елементів у послідовності. Якщо у нас можливі п'ять наслідків, то ділимо на п'ять.

У дисперсії є й властивості, які потрібно запам'ятати, щоб застосовувати під час вирішення завдань. Наприклад, зі збільшенням випадкової величини у X разів, дисперсія збільшується у X у квадраті разів (т. е. X*X). Вона ніколи не буває менше нуля і не залежить від зсуву значень на рівне значення у більшу чи меншу сторону. Крім того, для незалежних випробуваньдисперсія суми дорівнює сумі дисперсій.

Тепер нам обов'язково слід розглянути приклади дисперсії дискретної випадкової величини та математичного очікування.

Припустимо, що ми провели 21 експеримент та отримали 7 різних результатів. Кожен із них ми спостерігали, відповідно, 1,2,2,3,4,4 та 5 разів. Чому дорівнюватиме дисперсія?

Спочатку порахуємо середнє арифметичне: сума елементів, зрозуміло, дорівнює 21. Ділимо її на 7, отримуючи 3. Тепер із кожного числа вихідної послідовності віднімемо 3, кожне значення зведемо в квадрат, а результати складемо разом. Вийде 12. Тепер нам залишається розділити число на кількість елементів, і, начебто, все. Але є проблема! Давайте її обговоримо.

Залежність кількості експериментів

Виявляється, при розрахунку дисперсії у знаменнику може стояти одне з двох чисел: або N або N-1. Тут N - це число проведених експериментів або число елементів у послідовності (що, по суті, те саме). Від чого це залежить?

Якщо кількість випробувань вимірюється сотнями, ми повинні ставити в знаменник N. Якщо одиницями, то N-1. Кордон вчені вирішили провести досить символічно: на сьогоднішній день вона проходить за цифрою 30. Якщо експериментів ми провели менше 30, то ділити суму будемо на N-1, а якщо більше – то на N.

Завдання

Давайте повернемося до нашого прикладу розв'язання задачі на дисперсію та математичне очікування. Ми отримали проміжне число 12, яке потрібно було поділити на N або N-1. Оскільки експериментів ми провели 21, що менше 30 виберемо другий варіант. Отже, відповідь: дисперсія дорівнює 12/2 = 2.

Математичне очікування

Перейдемо до другого поняття, яке ми обов'язково маємо розглянути цій статті. Математичне очікування - це результат складання всіх можливих наслідків, помножених на відповідні ймовірності. Важливо розуміти, що отримане значення, як і результат розрахунку дисперсії, виходить лише один раз для цілого завдання, скільки результатів у ній не розглядалося.

Формула математичного очікування досить проста: беремо результат, множимо з його ймовірність, додаємо те саме для другого, третього результату тощо. буд. Усе, що з цим поняттям, розраховується нескладно. Наприклад, сума матожиданий дорівнює маточку суми. Для твору актуально те саме. Такі прості операції дозволяє із собою виконувати далеко не кожна величина теорії ймовірності. Давайте візьмемо завдання і порахуємо значення одразу двох вивчених понять. Крім того, ми відволікалися на теорію - настав час попрактикуватися.

Ще один приклад

Ми провели 50 випробувань і отримали 10 видів результатів – цифри від 0 до 9 – які з'являються у різному відсотковому відношенні. Це відповідно: 2%, 10%, 4%, 14%, 2%, 18%, 6%, 16%, 10%, 18%. Нагадаємо, що для отримання ймовірностей потрібно розділити значення у відсотках на 100. Таким чином отримаємо 0,02; 0,1 і т.д. Представимо для дисперсії випадкової величини та математичного очікування приклад розв'язання задачі.

Середнє арифметичне розрахуємо за такою формулою, яку пам'ятаємо з молодшої школи: 50/10 = 5.

Тепер переведемо ймовірність у кількість наслідків «в штуках», щоб було зручніше рахувати. Отримаємо 1, 5, 2, 7, 1, 9, 3, 8, 5 і 9. З кожного отриманого значення віднімемо середнє арифметичне, після чого кожен із отриманих результатів зведемо в квадрат. Подивіться, як це зробити, з прикладу першого елемента: 1 - 5 = (-4). Далі: (-4) * (-4) = 16. Для решти значень проробіть ці операції самостійно. Якщо ви все зробили правильно, то після додавання всіх ви отримаєте 90.

Продовжимо розрахунок дисперсії та математичного очікування, розділивши 90 на N. Чому ми вибираємо N, а не N-1? Правильно тому, що кількість проведених експериментів перевищує 30. Отже: 90/10 = 9. Дисперсію ми отримали. Якщо у вас вийшло інше число, не засмучуйтесь. Швидше за все, ви припустилися банальної помилки при розрахунках. Перевірте ще раз написане, і напевно все встане на свої місця.

Зрештою, згадаємо формулу математичного очікування. Не будемо наводити всіх розрахунків, напишемо лише відповідь, з якою ви зможете звіритися, закінчивши всі необхідні процедури. Матоожидання дорівнюватиме 5,48. Нагадаємо лише, як здійснювати операції, з прикладу перших елементів: 0*0,02 + 1*0,1… тощо. Як бачите, ми просто множимо значення результату з його ймовірність.

Відхилення

Ще одне поняття, тісно пов'язане з дисперсією та математичним очікуванням – середнє квадратичне відхилення. Позначається воно або латинськими літерами sd, або грецькою малої «сигмою». Це поняття показує, наскільки у середньому відхиляються значення від центральної ознаки. Щоб знайти її значення, потрібно розрахувати квадратний коріньіз дисперсії.

Якщо ви збудуєте графік нормального розподілуі захочете побачити безпосередньо на ньому квадратичного відхилення, це можна зробити за кілька етапів. Візьміть половину зображення зліва або праворуч від моди (центрального значення), проведіть перпендикуляр до горизонтальної осі так, щоб площі фігур були рівні. Величина відрізка між серединою розподілу і проекцією, що вийшла, на горизонтальну вісь і буде середнім квадратичним відхиленням.

Програмне забезпечення

Як видно з описів формул і наведених прикладів, розрахунки дисперсії та математичного очікування - не найпростіша процедура з арифметичної точки зору. Щоб не витрачати час, є сенс скористатися програмою, яка використовується у вищих навчальних закладах- вона називається "R". У ній є функції, що дозволяють розраховувати значення для багатьох понять із статистики та теорії ймовірності.

Наприклад, ви задаєте вектор значень. Робиться це так: vector<-c(1,5,2…). Теперь, когда вам потребуется посчитать какие-либо значения для этого вектора, вы пишете функцию и задаете его в качестве аргумента. Для нахождения дисперсии вам нужно будет использовать функцию var. Пример её использования: var(vector). Далее вы просто нажимаете «ввод» и получаете результат.

На закінчення

Дисперсія та математичне очікування - це без яких складно надалі щось розрахувати. В основному курсі лекцій у вишах вони розглядаються вже у перші місяці вивчення предмета. Саме через нерозуміння цих найпростіших понять та невміння їх розрахувати багато студентів відразу починають відставати за програмою і пізніше отримують погані позначки за результатами сесії, що позбавляє їх стипендії.

Потренуйтесь хоча б один тиждень по півгодини на день, вирішуючи завдання, схожі на представлені в цій статті. Тоді на будь-якій контрольній теорії ймовірності ви впораєтеся з прикладами без сторонніх підказок і шпаргалок.

Поряд із вивченням варіації ознаки по всій по всій сукупності в цілому часто буває необхідно простежити кількісні зміни ознаки по групах, на які поділяється сукупність, а також між групами. Таке вивчення варіації досягається за допомогою обчислення та аналізу різних видів дисперсії.
Виділяють дисперсію загальну, міжгрупову та внутрішньогрупову.
Загальна дисперсія σ 2вимірює варіацію ознаки у всій сукупності під впливом всіх чинників, що зумовили цю варіацію, .

Міжгрупова дисперсія (δ) характеризує систематичну варіацію, тобто. відмінності у величині досліджуваної ознаки, що виникають під впливом ознаки-фактора, покладеного в основу угруповання. Вона розраховується за такою формулою:
.

Внутрішньогрупова дисперсія (σ)відбиває випадкову варіацію, тобто. частина варіації, що відбувається під впливом неврахованих факторів і не залежить від ознаки-фактора, покладеного в основу угруповання. Вона обчислюється за такою формулою:
.

Середня із внутрішньогрупових дисперсій: .

Існує закон, що пов'язує 3 види дисперсії. Загальна дисперсія дорівнює сумі середньої з внутрішньогрупової та міжгрупової дисперсії: .
Дане співвідношення називають правилом складання дисперсій.

В аналізі широко використовується показник, що є частиною міжгрупової дисперсії в загальній дисперсії. Він має назву емпіричного коефіцієнта детермінації (? 2): .
Корінь квадратний з емпіричного коефіцієнта детермінації зветься емпіричного кореляційного відношення (η):
.
Воно характеризує вплив ознаки, покладеної в основу угруповання, на варіацію результативної ознаки. Емпіричне кореляційне відношення змінюється не більше від 0 до 1.
Покажемо його практичне використання на прикладі (табл. 1).

Приклад №1. Таблиця 1 – Продуктивність праці двох груп робітників одного з цехів НВО «Циклон»

Розрахуємо загальну та групові середні та дисперсії:

Вихідні дані для обчислення середньої внутрішньогрупової та міжгрупової дисперсії представлені в табл. 2.
Таблиця 2
Розрахунок і 2 по двох групах робочих.

Групи робітників	Чисельність робітників, чол.	Середня, дет./змін.	Дисперсія
Пройшли технічне навчання	5	95	42,0
Не пройшли технічне навчання	5	81	231,2
Усі робітники	10	88	185,6

Розрахуємо показники. Середня із внутрішньогрупових дисперсій:
.
Міжгрупова дисперсія

Загальна дисперсія:
Отже, емпіричне кореляційне співвідношення: .

Поряд із варіацією кількісних ознак може спостерігатися і варіація якісних ознак. Таке вивчення варіації досягається у вигляді обчислення наступних видів дисперсій:

Внутрішньогрупова дисперсія частки визначається за формулою

де n i- Чисельність одиниць в окремих групах.
Частка ознаки, що вивчається, у всій сукупності, яка визначається за формулою:
Три види дисперсії пов'язані між собою так:
.

Це співвідношення дисперсій називається теоремою складання дисперсій частки ознаки.

Математичне очікування та дисперсія – найчастіше застосовувані числові характеристики випадкової величини. Вони характеризують найважливіші риси розподілу: його становище та рівень розкиданості. Багато завдань практики повна, вичерпна характеристика випадкової величини - закон розподілу - або взагалі може бути отримана, або взагалі не потрібна. У таких випадках обмежуються приблизним описом випадкової величини з допомогою числових характеристик.

Математичне очікування часто називають просто середнім значенням випадкової величини. Дисперсія довільної величини - характеристика розсіювання, розкиданості довільної величини у її математичного очікування.

Математичне очікування дискретної випадкової величини

Підійдемо до поняття математичного очікування спочатку виходячи з механічної інтерпретації розподілу дискретної випадкової величини. Нехай одинична маса розподілена між точками осі абсцис x1 , x 2 , ..., x n, причому кожна матеріальна точка має відповідну їй масу p1 , p 2 , ..., p n. Потрібно вибрати одну точку на осі абсцис, що характеризує становище всієї системи матеріальних точок, з урахуванням їх мас. Природно як така точка взяти центр маси системи матеріальних точок. Це середнє зважене значення випадкової величини X, в яке абсциса кожної точки xiвходить з "вагою", що дорівнює відповідній ймовірності. Отримане в такий спосіб середнє значення випадкової величини Xназивається її математичним очікуванням.

Математичним очікуванням дискретної випадкової величини називається сума творів всіх можливих її значень на ймовірності цих значень:

приклад 1.Організована безпрограшна лотерея. Є 1000 виграшів, їх 400 по 10 крб. 300 – по 20 руб. 200 – по 100 руб. і 100 – по 200 руб. Який середній розмір виграшу для того, хто купив один квиток?

Рішення. Середній виграш ми знайдемо, якщо загальну суму виграшів, яка дорівнює 10 * 400 + 20 * 300 + 100 * 200 + 200 * 100 = 50 000 руб, розділимо на 1000 (загальна сума виграшів). Тоді отримаємо 50 000/1000 = 50 руб. Але вираз для підрахунку середнього виграшу можна уявити й у такому вигляді:

З іншого боку, в умовах розмір виграшу є випадковою величиною, яка може приймати значення 10, 20, 100 і 200 руб. із ймовірностями, рівними відповідно 0,4; 0,3; 0,2; 0,1. Отже, очікуваний середній виграш дорівнює сумі творів розмірів виграшів на ймовірність їх отримання.

приклад 2.Видавець вирішив видати нову книгу. Продавати книгу він збирається за 280 руб., З яких 200 отримає він сам, 50 - книгарня і 30 - автор. У таблиці наведено інформацію про витрати на видання книги та ймовірність продажу певної кількості екземплярів книги.

Знайти очікуваний прибуток видавця.

Рішення. Випадкова величина "прибуток" дорівнює різниці доходів від продажу та вартості витрат. Наприклад, якщо буде продано 500 екземплярів книги, то доходи від продажу дорівнюють 200 * 500 = 100000, а витрати на видання 225 000 руб. Таким чином, видавцеві загрожує збиток розміром 125000 руб. У наступній таблиці узагальнено очікувані значення випадкової величини - прибутку:

Число	Прибуток xi	Ймовірність pi	xi p i
500	-125000	0,20	-25000
1000	-50000	0,40	-20000
2000	100000	0,25	25000
3000	250000	0,10	25000
4000	400000	0,05	20000
Всього:		1,00	25000

Таким чином, отримуємо математичне очікування прибутку видавця:

.

приклад 3.Імовірність влучення при одному пострілі p= 0,2. Визначити витрату снарядів, які забезпечують математичне очікування числа влучень, що дорівнює 5.

Рішення. З тієї ж формули математичного очікування, яку ми використовували досі, висловлюємо x- Витрата снарядів:

.

приклад 4.Визначити математичне очікування випадкової величини xчисла попадань при трьох пострілах, якщо ймовірність попадання при кожному пострілі p = 0,4 .

Підказка: ймовірність значень випадкової величини знайти за формулі Бернуллі .

Властивості математичного очікування

Розглянемо властивості математичного очікування.

Властивість 1.Математичне очікування постійної величини дорівнює цій постійній:

Властивість 2.Постійний множник можна виносити за знак математичного очікування:

Властивість 3.Математичне очікування суми (різниці) випадкових величин дорівнює сумі (різниці) їх математичних очікувань:

Властивість 4.Математичне очікування добутку випадкових величин дорівнює добутку їх математичних очікувань:

Властивість 5.Якщо всі значення випадкової величини Xзменшити (збільшити) на одне й те саме число З, то її математичне очікування зменшиться (збільшиться) на те число:

Коли не можна обмежуватися лише математичним очікуванням

Найчастіше лише математичне очікування неспроможна достатньою мірою характеризувати випадкову величину.

Нехай випадкові величини Xі Yзадані такими законами розподілу:

Значення X	Ймовірність
-0,1	0,1
-0,01	0,2
0	0,4
0,01	0,2
0,1	0,1

Значення Y	Ймовірність
-20	0,3
-10	0,1
0	0,2
10	0,1
20	0,3

Математичні очікування цих величин однакові - дорівнюють нулю:

Проте характер розподілу їх різний. Випадкова величина Xможе приймати тільки значення, що мало відрізняються від математичного очікування, а випадкова величина Yможе приймати значення, які значно відхиляються від математичного очікування. Аналогічний приклад: середня заробітна плата не дає можливості судити про питому вагу високо-і низькооплачуваних робітників. Іншими словами, з математичного очікування не можна судити про те, які відхилення від нього, хоч би в середньому, можливі. Для цього необхідно знайти дисперсію випадкової величини.

Дисперсія дискретної випадкової величини

Дисперсієюдискретної випадкової величини Xназивається математичне очікування квадрата відхилення її від математичного очікування:

Середнім квадратичним відхиленням випадкової величини Xназивається арифметичне значення квадратного кореня її дисперсії:

.

Приклад 5.Обчислити дисперсії та середні квадратичні відхилення випадкових величин Xі Y, закони розподілу яких наведені у таблицях вище.

Рішення. Математичні очікування випадкових величин Xі YЯк було знайдено вище, дорівнюють нулю. Згідно з формулою дисперсії при Е(х)=Е(y)=0 отримуємо:

Тоді середні квадратичні відхилення випадкових величин Xі Yскладають

.

Таким чином, при однакових математичних очікуваннях дисперсія випадкової величини Xдуже мала, а випадкової величини Y- Значна. Це наслідок розбіжності у тому розподілі.

Приклад 6.У інвестора є 4 альтернативні проекти інвестицій. У таблиці узагальнено дані про очікуваний прибуток у цих проектах з відповідною ймовірністю.

Проект 1	Проект 2	Проект 3	Проект 4
500, P=1	1000, P=0,5	500, P=0,5	500, P=0,5
	0, P=0,5	1000, P=0,25	10500, P=0,25
		0, P=0,25	9500, P=0,25

Знайти для кожної альтернативи математичне очікування, дисперсію та середнє квадратичне відхилення.

Рішення. Покажемо, як обчислюються ці величини для 3 альтернативи:

У таблиці узагальнено знайдені величини всім альтернатив.

У всіх альтернатив однакові математичні очікування. Це означає, що у довгостроковому періоді в усіх - однакові доходи. Стандартне відхилення можна інтерпретувати як одиницю виміру ризику - що більше, тим більше ризик інвестицій. Інвестор, який бажає великого ризику, вибере проект 1, оскільки він має найменше стандартне відхилення (0). Якщо ж інвестор віддає перевагу ризику та більшим доходам у короткий період, він вибере проект найбільшим стандартним відхиленням - проект 4.

Властивості дисперсії

Наведемо властивості дисперсії.

Властивість 1.Дисперсія постійної величини дорівнює нулю:

Властивість 2.Постійний множник можна виносити за знак дисперсії, зводячи його у квадрат:

.

Властивість 3.Дисперсія випадкової величини дорівнює математичному очікуванню квадрата цієї величини, з якого віднімається квадрат математичного очікування самої величини:

,

де .

Властивість 4.Дисперсія суми (різниці) випадкових величин дорівнює сумі (різниці) їх дисперсій:

Приклад 7.Відомо, що дискретна випадкова величина Xприймає лише два значення: −3 та 7. Крім того, відоме математичне очікування: E(X) = 4 . Знайти дисперсію дискретної випадкової величини.

Рішення. Позначимо через pймовірність, з якою випадкова величина набуває значення x1 = −3 . Тоді ймовірністю значення x2 = 7 буде 1 − p. Виведемо рівняння для математичного очікування:

E(X) = x 1 p + x 2 (1 − p) = −3p + 7(1 − p) = 4 ,

звідки отримуємо ймовірність: p= 0,3 та 1 − p = 0,7 .

Закон розподілу випадкової величини:

X	−3	7
p	0,3	0,7

Дисперсію даної випадкової величини обчислимо за формулою з якості дисперсії 3:

D(X) = 2,7 + 34,3 − 16 = 21 .

Знайти математичне очікування випадкової величини самостійно, а потім переглянути рішення

Приклад 8.Дискретна випадкова величина Xнабуває лише два значення. Більше значень 3 вона приймає з ймовірністю 0,4. Крім того, відома дисперсія випадкової величини D(X) = 6 . Знайти математичне очікування випадкової величини.

Приклад 9.В урні 6 білих і 4 чорні кулі. З урни виймають 3 кулі. Число білих куль серед вийнятих куль є дискретною випадковою величиною X. Знайти математичне очікування та дисперсію цієї випадкової величини.

Рішення. Випадкова величина Xможе приймати значення 0, 1, 2, 3. Відповідні їм ймовірності можна обчислити за правилу множення ймовірностей. Закон розподілу випадкової величини:

X	0	1	2	3
p	1/30	3/10	1/2	1/6

Звідси математичне очікування цієї випадкової величини:

M(X) = 3/10 + 1 + 1/2 = 1,8 .

Дисперсія даної випадкової величини:

D(X) = 0,3 + 2 + 1,5 − 3,24 = 0,56 .

Математичне очікування та дисперсія безперервної випадкової величини

Для безперервної випадкової величини механічна інтерпретація математичного очікування збереже той самий зміст: центр маси для одиничної маси, розподіленої безперервно на осі абсцис із щільністю f(x). На відміну від дискретної випадкової величини, яка має аргумент функції xiзмінюється стрибкоподібно, у безперервної випадкової величини аргумент змінюється безперервно. Але математичне очікування безперервної випадкової величини пов'язане з її середнім значенням.

Щоб знаходити математичне очікування та дисперсію безперервної випадкової величини, потрібно знаходити певні інтеграли . Якщо дана функція щільності безперервної випадкової величини, вона безпосередньо входить у подынтегральное вираз. Якщо дана функція розподілу ймовірностей, то, диференціюючи її, необхідно визначити функцію щільності.

Арифметичне середнє всіх можливих значень безперервної випадкової величини називається її математичним очікуванням, що позначається або .

За даними вибіркового обстеження проведено угруповання вкладників за розміром вкладу в Ощадбанку міста:

Визначте:

1) розмах варіації;

2) середній розмір вкладу;

3) середнє лінійне відхилення;

4) дисперсію;

5) середнє квадратичне відхилення;

6) коефіцієнт варіації вкладів.

Рішення:

Цей ряд розподілу містить відкриті інтервали. У таких рядах умовно приймається величина інтервалу першої групи дорівнює величині інтервалу наступної, а величина інтервалу останньої групи дорівнює величині інтервалу попередньої.

Величина інтервалу другої групи дорівнює 200, отже, і величина першої групи також дорівнює 200. Величина інтервалу передостанньої групи дорівнює 200, отже останній інтервал матиме величину, рівну 200.

1) Визначимо розмах варіації як різницю між найбільшим та найменшим значенням ознаки:

Розмах варіації обсягу вкладу дорівнює 1000 рублів.

2) Середній розмір вкладу визначимо за формулою середньої арифметичної зваженої.

Попередньо визначимо дискретну величину ознаки у кожному інтервалі. Для цього за формулою середньої арифметичної простий знайдемо середини інтервалів.

Середнє значення першого інтервалу дорівнюватиме:

другого - 500 і т.д.

Занесемо результати обчислень до таблиці:

Розмір внеску, руб.	Число вкладників, f	Середина інтервалу, х	xf
200-400	32	300	9600
400-600	56	500	28000
600-800	120	700	84000
800-1000	104	900	93600
1000-1200	88	1100	96800
Разом	400	-	312000

Середній розмір вкладу в Ощадбанку міста дорівнюватиме 780 рублів:

3) Середнє лінійне відхилення є середня арифметична з абсолютних відхилень окремих значень ознаки від загальної середньої:

Порядок розрахунку середнього лінійного відхилення в інтервальному ряду розподілу наступний:

1. Обчислюється середня арифметична зважена, як показано у п. 2).

2. Визначаються абсолютні відхилення варіантів від середньої:

3. Отримані відхилення множаться на частоти:

4. Знаходиться сума зважених відхилень без урахування знака:

5. Сума зважених відхилень ділиться на суму частот:

Зручно користуватися таблицею розрахункових даних:

Розмір внеску, руб.	Число вкладників, f	Середина інтервалу, х
200-400	32	300	-480	480	15360
400-600	56	500	-280	280	15680
600-800	120	700	-80	80	9600
800-1000	104	900	120	120	12480
1000-1200	88	1100	320	320	28160
Разом	400	-	-	-	81280

Середнє лінійне відхилення обсягу вкладу клієнтів Ощадбанку становить 203,2 рубля.

4) Дисперсія – це середня арифметична квадратів відхилень кожного значення ознаки від середньої арифметичної.

Розрахунок дисперсії в інтервальних рядах розподілу провадиться за формулою:

Порядок розрахунку дисперсії у разі наступний:

1. Визначають середню арифметичну зважену, як показано у п. 2).

2. Знаходять відхилення варіант від середньої:

3. Зводять у квадрат відхилення кожної варіанти від середньої:

4. Помножують квадрати відхилень на ваги (частоти):

5. Підсумовують отримані твори:

6. Отримана сума поділяється на суму ваг (частот):

Розрахунки оформимо до таблиці:

Розмір внеску, руб.	Число вкладників, f	Середина інтервалу, х
200-400	32	300	-480	230400	7372800
400-600	56	500	-280	78400	4390400
600-800	120	700	-80	6400	768000
800-1000	104	900	120	14400	1497600
1000-1200	88	1100	320	102400	9011200
Разом	400	-	-	-	23040000