@@ -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.
 
@@ -39,7 +39,9 @@
 
 Видно, что вторая выборка более разреженна относительно её арифметрического центра.
 
-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:
+- 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 ] .
@@ -75,7 +77,7 @@
 roman M [X sup 2 ] - ( roman M [X]) sup 2 .
 %EN
 
--- Простой пример
+- Простой пример
 
 Предположим, что у нас есть две случайных величины $$X$$ и $$Y$$, законы распределения которых заданы таблично: