Реферат: Интегралы Дифференциальные уравнения

σ2 = D(X) = M{[X – M(X)] 2} = [xi – M(X)] 2P(xi). (7)

Вероятности значений случайной величины играют роль весов (частот) при вычислении ожидаемых значений квадратов отклонений дискретной случайной величины от средней. По формуле (7) дисперсия вычисляется путем вычитания математического ожидания из каждого значения случайной величины, затем возведения в квадрат результатов, умножения их на вероятности Р(хi) и сложения результатов для всех хi.

Для примера 3.1 (о рекламных объявлениях, размещаемых в газете в определенный день) дисперсия вычисляется так:

σ2 = [xi–M(X)] 2P(xi) = (0–2,3) 2 + (1–2,3) 2 + (2–2,3) 2 + (3–2,3) 2+ (4–2,3) 2 + (5 – 2,3) 2 = 2,01.

Свойства дисперсии дискретной случайной величины

Дисперсия дискретной случайной величины обладает следующими свойствами.

1. D(C) = 0,

где C – постоянная величина.

2. D(C∙X)= C∙D(X),

где C – постоянный множитель.

3. Для конечного числа nнезависимых случайных величин:

D (X1 ± Х2±…±Xn) = D(X1) + D(X2)+ … +D(Xn). (8)

4. Если Х1, Х2,…, Хn – одинаково распределенные независимые случайные величины, дисперсия каждой из которых равна σ2 (Хi), то дисперсия их суммы равна пσ2, а дисперсия средней арифметической равна σ2/п:

σ2/п. (9)

Для вычисления дисперсии проще пользоваться другой формулой, полученной путем несложных математических выкладок:

D(X) = M[X – M(X)] 2 =M[X2 – 2M(X) X+ M(X) 2] =

M(X) 2 –2M(X) M(X) + [M(X)] 2 = M(X2) – [M(X)] 2 = M (X 2) – М 2 (Х).

Таким образом, σ2 = D(X) = M(X2) – М2 (Х). (10)

Дисперсия линейной функции случайной величины

Для случайной величины, заданной линейной функцией аХ+b, имеем

D(a∙X+ b)= a2∙D(X)=a2∙σ2. (11)

По формуле (11) найдем дисперсию ожидаемого дохода для примера 3. Доход задан функцией 2Х-8000. Находим M(X2)=50002∙0,2 + 60002∙0,3 + 70002∙0,2 + 80002∙0,2 + 90002∙0,1 =4 650 000. М(Х)=6700. Отсюда дисперсия D(X)=M(X2) – [М(Х)] 2=46 500 000 – 67002=1 610 000. Используя формулу (11), вычислим дисперсию ожидаемого дохода: D(Х) = σ2 = 22∙1 610 000 = 6 440 000. Среднее квадратическое отклонение дохода равно

Испытания Бернулли – это последовательность n идентичных испытаний, удовлетворяющих следующим условиям:

1. Каждое испытание имеет два исхода: успех и неуспех – взаимно несовместные и противоположные события.

2 Вероятность успеха р остается постоянной от испытания к испытанию. Вероятность неуспеха q = 1-р.

3. Все n испытаний – независимы. Вероятность наступления события в любом из испытаний не зависит от результатов других испытаний.

Успех и неуспех – статистические термины. Например, когда имеют дело с производственным процессом, то исход испытания «деталь дефектная» определяют как успех. Успех относится к появлению определенного события – «деталь дефектная», а неуспех относится к непоявлению события. Определим случайную величину как биномиальную, если для нее мы рассчитываем число успехов и неуспехов в последовательности n испытаний Бернулли.

Случайная величина, для которой вычисляется число успехов в n повторных испытаниях, где р – вероятность успеха в любом из заданных испытаний, a q = (1-р) – соответствующая вероятность неуспеха, подчиняется закону биномиального распределения с параметрами n и р.

Все возможные исходы данного эксперимента называются элементарными событиями, а множества составленные из них – событиями. Таким образом можно разбить все множество исходов на благоприятствующие данному событию (то есть входящие в него) и не благоприятствующие. Множество всех исходов обозначают , а события – заглавными латинскими буквами.