Разница между 1.85
и текущей версией
ДисперсияСлучайнойВеличины.
@@ -1,4 +1,4 @@
-- Дисперсия случайной величины
+= Дисперсия случайной величины
Черновик. Черновик. Черновик. Не бросайте меня в терновый куст.
@@ -8,7 +8,7 @@
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 ,$$ но видно, что первая выборка гораздо более компактно располагается вокруг своего среднего значения, а вторая — более рассеянна относительно него.
@@ -18,7 +18,7 @@
roman D [X] = {sum from i=1 to n (x sub i - x bar ) sup 2} over {n}
%EN
-Отметим, что в академической традиции, подражающей западной, дисперсию принято называть ''вариацией'' (калькирование английского слова ''variance'') и обозначать $$roman Var [X]$$, что вносит путаницу, когда русскоязычные студенты начинает изучать, например, метод вариации постоянной в курсе дифференциальных уравнений. Поэтому мы будем придерживаться термина ''дисперсия'' и указанного выше обозначения.
+Отметим, что в академической традиции, подражающей западной, дисперсию принято называть ''вариацией'' (калькирование английского слова ''variance'') и обозначать $$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$$.
Рассчитаем дисперсии для обеих выборок из нашего примера.
@@ -39,9 +39,9 @@
Видно, что вторая выборка более разреженна относительно её арифметрического центра.
--- Простой пример.
+- Определение для случайных величин
-Дисперсия, как было сказано выше, средняя сумма квадратов отклонений от среднего. Для случайной величины среднее — это математическое ожидание. Мы можем сказать, что дисперсия — это математическое ожидание квадратов отклонения значения случайной величины от её математического ожидания:
+Дисперсия, как было сказано выше, средняя сумма квадратов отклонений от среднего. Для случайной величины среднее — это математическое ожидание. Мы можем сказать, что дисперсия — это математическое ожидание квадратов отклонения значения случайной величины от её математического ожидания (в роли деления на число наблюдений выступает взвешивание по вероятностям в формуле математического ожидания):
%EQ
roman D [X] = roman M [(X - roman M [X]) sup 2 ] .
@@ -77,6 +77,8 @@
roman M [X sup 2 ] - ( roman M [X]) sup 2 .
%EN
+- Простой пример
+
Предположим, что у нас есть две случайных величины $$X$$ и $$Y$$, законы распределения которых заданы таблично:
%EQ