Разница между 1.76
и текущей версией
ДисперсияСлучайнойВеличины.
@@ -1,4 +1,4 @@
-- Дисперсия случайной величины
+= Дисперсия случайной величины
Черновик. Черновик. Черновик. Не бросайте меня в терновый куст.
@@ -8,16 +8,20 @@
Для иллюстрации рассмотрим два примера: очень простой и простой.
--- Очень простой пример
+- Очень простой пример
-Предположим, у нас есть две выборки размера $$n = 5 : X = \(lC 7, 8, 10, 12, 13 \(rC$$ и $$Y = \(lC 2, 7, 12, 13, 16 \(rC .$$ Средние этих выборок равны $$x bar = y bar = 10 ,$$ но видно, что первая выборка гораздо более компактно располагается вокруг своего среднего значения, а вторая — более рассеенна относительно него.
+Предположим, у нас есть две выборки размера $$n = 5 : X = \(lC 7, 8, 10, 12, 13 \(rC$$ и $$Y = \(lC 2, 7, 12, 13, 16 \(rC .$$ Средние этих выборок равны $$x bar = y bar = 10 ,$$ но видно, что первая выборка гораздо более компактно располагается вокруг своего среднего значения, а вторая — более рассеянна относительно него.
-Попробуем численно показать этот интуитивный факт. Для этого посмотрим, насколько сильно в среднем отклоняются от среднего значения наших выборок. Чтобы нивелировать влияние отклонений в разные стороны от среднего (что-то дало отклонение в плюс, а что-то в минус), мы используем сумму квадратов отклонений значений от среднего. Такой показатель и будем называть ''дисперсией'' или ''вариацией'':
+Попробуем численно показать этот интуитивный факт. Для этого посмотрим, насколько сильно в среднем отклоняются от среднего значения наших выборок. Чтобы нивелировать влияние отклонений в разные стороны от среднего (что-то дало отклонение в плюс, а что-то в минус), мы используем сумму квадратов отклонений значений от среднего. Такой показатель и будем называть ''дисперсией'' и обозначим $$roman D [X] :$$
%EQ
roman D [X] = {sum from i=1 to n (x sub i - x bar ) sup 2} over {n}
%EN
+Отметим, что в академической традиции, подражающей западной, дисперсию принято называть ''вариацией'' (калькирование английского слова ''variance'') и обозначать $$roman Var [X]$$, что вносит путаницу, когда русскоязычные студенты начинает изучать, например, метод вариации постоянной в курсе дифференциальных уравнений. Поэтому мы будем придерживаться термина ''дисперсия'' и указанного выше обозначения или обозначения через $$sigma sub X sup 2$$.
+
+Рассчитаем дисперсии для обеих выборок из нашего примера.
+
Для первой выборки:
%EQ
@@ -35,7 +39,45 @@
Видно, что вторая выборка более разреженна относительно её арифметрического центра.
--- Простой пример.
+- Определение для случайных величин
+
+Дисперсия, как было сказано выше, средняя сумма квадратов отклонений от среднего. Для случайной величины среднее — это математическое ожидание. Мы можем сказать, что дисперсия — это математическое ожидание квадратов отклонения значения случайной величины от её математического ожидания (в роли деления на число наблюдений выступает взвешивание по вероятностям в формуле математического ожидания):
+
+%EQ
+roman D [X] = roman M [(X - roman M [X]) sup 2 ] .
+%EN
+
+Напомним три факта, связанное с понятием МатематическоеОжиданиеСлучайнойВеличины:
+ 1 Математическое ожидание случайной величины — это число, константа: $$roman M [X] = c .$$
+ 1 Математическое ожидание константы — это сама эта константа: $$roman M [c] = c .$$
+ 1 Константу можно вынести за знак математического ожидания: $$roman M [cX] = c roman M [X] .$$
+ 1 Математическое ожидание линейной комбинации случайных величин — это линейная комбинация математических ожиадний: $$roman M [a X + b Y + c] = a roman M [X] + b roman M [Y] + c .$$
+
+Раскроем скобки в записи дисперсии и воспользуемся свойством линейности математического ожидания:
+
+%EQ
+roman D [X] =
+roman M [ X sup 2 - 2 X roman M [X] + ( roman M [X]) sup 2 ] =
+roman M [X sup 2 ] - roman M [ 2 X roman M [X] ] + roman M [ ( roman M [X]) sup 2 ].
+%EN
+
+Рассмотрим слагаемые по отдельности. Первое слагаемое мы оставим без изменений. Из второго слагаемого мы можем вынести константу $$2 roman M [X]$$, в результате чего получим $$roman M [2 X roman M [X]] = 2 roman M [X] roman M [X] = 2 ( roman M [X]) sup 2 .$$ Под знаком математического ожидания третьего слагаемого стоит квадрат математического ожидания, т. е. тоже константа поэтому $$roman M[( roman M [X]) sup 2 ] = ( roman M [X]) sup 2 .$$ Запишем дисперсию, использовав преобразованные слагаемые:
+
+%EQ
+roman D [X] =
+roman M [X sup 2 ] - 2 ( roman M [X]) sup 2 + ( roman M [X]) sup 2 =
+roman M [X sup 2 ] - ( roman M [X]) sup 2 .
+%EN
+
+Мы можем воспользоваться любой из этих формул для расчёта дисперсии:
+
+%EQ
+roman D [X] =
+roman M [(X - roman M [X]) sup 2 ] =
+roman M [X sup 2 ] - ( roman M [X]) sup 2 .
+%EN
+
+- Простой пример
Предположим, что у нас есть две случайных величины $$X$$ и $$Y$$, законы распределения которых заданы таблично:
@@ -72,43 +114,7 @@
}
%EN
-Дисперсия, как было сказано выше, сумма квадратов отклонений от среднего. Для случайной величины среднее — это математическое ожидание. Мы можем сказать, что дисперсия — это математическое ожидание квадратов отклонения значения случайной величины от её математического ожидания:
-
-%EQ
-roman D [X] = roman M [(X - roman M [X]) sup 2 ] .
-%EN
-
-Напомним три факта, связанное с понятием МатематическоеОжиданиеСлучайнойВеличины:
- 1 Математическое ожидание случайной величины — это число, константа: $$roman M [X] = c .$$
- 1 Константу можно вынести за знак математического ожидания: $$roman M [cX] = c roman M [X].$$
- 1 Математическое ожидание константы — это сама константа: $$roman M [c] = c .$$
- 1 Математическое ожидание линейной комбинации случайных величин — это линейная комбинация математических ожиадний: $$roman M [a X + b Y + c] = a roman M [X] + b roman M [Y] + c .$$
-
-Раскроем скобки в записи дисперсии и воспользуемся свойством линейности математического ожидания:
-
-%EQ
-roman D [X] =
-roman M [ X sup 2 - 2 X roman M [X] + ( roman M [X]) sup 2 ] =
-roman M [X sup 2 ] - roman M [ 2 X roman M [X] ] + roman M [ ( roman M [X]) sup 2 ].
-%EN
-
-Рассмотрим слагаемые по отдельности. Первое слагаемое мы оставим без изменений. Из второго слагаемого мы можем вынести константу $$2 roman M [X]$$, в результате чего получим $$roman M [2 X roman M [X]] = 2 roman M [X] roman M [X] = 2 ( roman M [X]) sup 2 .$$ Под знаком математического ожидания третьего слагаемого стоит квадрат математического ожидания, т. е. тоже константа поэтому $$roman M[( roman M [X]) sup 2] = ( roman M [X]) sup 2 .$$ Запишем дисперсию, использовав преобразованные слагаемые:
-
-%EQ
-roman D [X] =
-roman M [X sup 2 ] - 2 ( roman M [X]) sup 2 + ( roman M [X]) sup 2 =
-roman M [X sup 2 ] - ( roman M [X]) sup 2 .
-%EN
-
-Мы можем воспользоваться любой из этих формул для расчёта дисперсии:
-
-%EQ
-roman D [X] =
-roman M [(X - roman M [X]) sup 2 ] =
-roman M [X sup 2 ] - ( roman M [X]) sup 2 .
-%EN
-
-Рассчитаем несколько дисперсию случайных величин $$X$$ и $$Y ,$$ воспользовавшись второй формулой. Рассчитаем сначала математические ожидания квадратов случайных величин:
+Рассчитаем дисперсию случайных величин $$X$$ и $$Y ,$$ воспользовавшись второй формулой. Рассчитаем сначала математические ожидания квадратов случайных величин:
%EQ
lpile {