Материал: Теория вероятностей, лекции

величины g(X), т. е. существует равенство

Чтобы обосновать это равенство, возьмем в качестве g(x) кусочно постоянную функцию, т. е. выберем на числовой прямой точки x1 < < x2 < ::: < xn 1 и примем

8

>y1; если x < x1;

>

>

g(x) = <y2; если x1 x < x2; >:::

>

>

:yn; если x xn 1:

Тогда g(X) представляет собой дискретную случайную величину, принимающую значения y1; y2; :::; yn c вероятностями:

p1 = P (X < x1) = F (x1);

pi = P (xi 1 X xi) = F (xi) F (xi 1); i = 2; :::; n 1; pn = P (X xn) = 1 F (xn 1):

Согласно формуле для вычисления математического ожидания дискретной случайной величины,

n 1

X

Mfg(X)g = y1F (x1) + yi (F (xi) F (xi 1)) + yn (1 F (xn 1)) :

i=2

С другой стороны, используя свойства линейности и аддитивности интеграла Стильтьеса, получим:

40

n 1

X

= y1F (x1) + yi (F (xi) F (xi 1)) + yn (1 F (xn 1)) :

i=2

Таким образом, для кусочно-постоянной функции требуемое равенство получено. Не будем приводить здесь полного доказательства этого равенства для произвольной g(x), отметим лишь, что оно основывается на том факте, что любая кусочно непрерывная функция может быть сколь угодно точно приближена кусочно постоянной функцией.

Теперь нетрудно показать, что математическое ожидание обладает свойством линейности, а именно: для любых вещественных чисел a и b MfaX + bg = aMfXg + b.

Действительно,

В качестве интегральных числовых характеристик случайной величины обычно используются начальные и центральные моменты.

Определение 4.6. Начальным моментом порядка k называется чис-

ло

k = MfXkg:

Центральным моментом порядка k называется число

k = M (X MfXg)k :

Таким образом, 1 = MfXg, 1 = 0.

Кроме математического ожидания наиболее часто используется центральный момент второго порядка, который называется дисперсией:

1

Z

DfXg = M (X MfXg)2 = (x MfXg)2dF (x):

1

Таким образом, в случае абсолютно непрерывной случайной величины с плотностью распределения f(x)

1

Z

DfXg = (x MfXg)2f(x)dx;

1

41

а в случае дискретной случайной величины с рядом распределения f(xi; pi)g

X

DfXg = (xi MfXg)2pi:

i

Если математическое ожидание – это в некотором смысле среднее значение случайной величины, то о дисперсии можно сказать, что это – "средний квадрат отклонения от среднего\. Таким образом, дисперсия характеризует разброс значений случайной величины относительно ее математического ожидания.

Отметим, что дисперсия всегда неотрицательна, как, очевидно, неотрицательно математическое ожидание любой случайной величины, принимающей только неотрицательные значения. Кроме того, для любых вещественных чисел a и b справедливо DfaX + bg = a2DfXg.

Действительно,

DfaX + bg = M (aX + b MfaX + bg)2 =

=M (aX + b aMfXg b)2 =

=M (a(X MfXg))2 = a2M (X MfXg)2 = a2DfXg:

Для вычисления дисперсии иногда удобнее применять формулу

DfXg = MfX2g (MfXg)2 = 2 21:

Справедливость этой формулы видна из следующей цепочки равенств:

= MfX2g 2MfXgMfXg + (MfXg)2 = MfX2g (MfXg)2:

Заметим, что дисперсия имеет размерность квадрата размерности самой случайной величины, поэтому в качестве характеристики разброса значений чаще используют квадратный корень из дисперсии, который называется среднеквадратичным отклонением (СКО) случайной величины X.

Поскольку дисперсия характеризует разброс значений случайной величины относительно ее математического ожидания, естественно предположить, что вероятность больших отклонений случайной величины от ее математического ожидания оценивается через дисперсию. Для нахождения такой оценки получим сначала одно вспомогательное неравенство, касающееся математического ожидания.

42

Теорема 4.1. Пусть X – случайная величина, принимающая только неотрицательные значения. Тогда для любого t > 0 справедливо неравенство

Последнее равенство справедливо в силу неотрицательности случайной величины X.

Докажем теперь основное неравенство, которое называется неравенством Чебышева.

Теорема 4.2. Пусть X – случайная величина с конечной дисперсией DfXg. Тогда для любого t > 0 справедливо неравенство

Доказательство. Применив теорему 4.1 к неотрицательной случайной величине (X MfXg)2, получим:

P fjX MfXgj tg = P (X MfXg)2 t2

Неравенство доказано. Кроме интегральных числовых характеристик случайной величины

существуют и другие, не выражающиеся через интеграл Стильтьеса. Из таких характеристик чаще всего используется медиана.

Определение 4.7. Число m называется медианой случайной вели-

чины X, если

P (X m) 12

и

P (X m) 12:

43

Иными словами, медиана – в определенном смысле средняя точка распределения. (В случае абсолютно непрерывного распределения медиана определяется равенством F (m) = 0:5.) По сравнению с математическим ожиданием медиана обладает тем преимуществом, что она существует у любой случайной величины.

4.6.Примеры распределений дискретных случайных величин

Двуточечное распределение. Пусть случайная величина может принимать только 2 значения 0 и 1 с вероятностями (1 p) и p соответ-

один и тот же случайный эксперимент с двумя возможными исходами !1 и !2 и пусть P (!1) = p, соответственно, P (!2) = 1 p. Эксперимент повторяется n раз, причем результаты разных экспериментов не зависят друг от друга, т. е. события вида f!j – исход i-го экспериментаg (i = 1; :::; n) являются независимыми в совокупности. Такая модель называется последовательностью независимых испытаний Бернулли. Построим соответствующее этой модели вероятностное пространство. В качестве одного элементарного события следует взять набор из n исходов отдельных экспериментов ! = (u1; u2; :::; un), где ui может принимать значение !1 или !2. Согласно предположению о независимости экспериментов, каждому такому исходу следует приписать вероятность P (!) = P (u1)P (u2):::P (un), где P (ui) в зависимости от значения ui может принимать значение p или 1 p.

Введем теперь случайную величину X – число наступлений исхода !1. Это – дискретная случайная величина, которая может принимать значения: 0; 1; :::; n. Построим ряд распределения данной случайной величины, т. е. найдем вероятности pk = P (X = k) (k = 0; 1; :::; n).

Событие fX = kg представляет собой объединение тех и только тех элементарных событий вероятностного пространства, в которых ui прини-

44