Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Другие характеристики центра группирования случайной величины
1. Среднегеометрическое случайной величины Х: G(Х) = eM(ln Х). Пусть Х – дискретная случайная величина, имеющая равномерное распределение. , тогда – среднее геометрическое. 2. Среднее гармоническое: . Используется в экономике в индексных расчетах.
3. Медиана: Me(x) – квантиль xp, соответствующая вероятности p = 0,5. Точка хр, являющаяся решением уравнения F(xp) = р, называется квантилью распределения. Медиана используется в качестве характеристики среднего, если случайная величина измерена в порядковой шкале. 4.Мода: M0(x) – это значение случайной величины, соответствующей максимальной вероятности pi, если X – дискретная величина. Используется для оценки среднего величин, измеренных в номинальной шкале. Если Х – непрерывная случайная величина, то мода – точка локального максимума плотности распределения. Если плотность одномодального распределения непрерывной случайной величины симметрична относительно некоторой прямой х = а, то МХ = Ме(х) = М0(х) = а. Характеристики вариации случайной величины Характеристики вариации дают представления о степени отклонения случайной величины от центра группирования. Одной из характеристик вариации является среднее модуля отклонения случайной величины от своего математического ожидания. Для дискретной случайной величины , для непрерывных . Данную характеристику используют редко, так как выражение задается разными функциями на разных участках. Этого недостатка лишены дисперсия и среднеквадратическое отклонение. Определение 1.Дисперсией случайной величины X называют число, равное математическому ожиданию квадрата отклонения случайной величины от её математического ожидания: . (1) Если Х – непрерывная, то . (2) Если Х – дискретная, то . (3)
Формулы (2) и (3) следуют из определения дисперсии и теорем 1 и 2 лекции 13. Часто пользуются другой формулой
. (4) Доказательство.
Определение 2. Средним квадратическим отклонением случайной величины называется квадратный корень из дисперсии: . Пример1. Пусть Х – погрешность регистрации веса при взвешивании на весах с ценой деления 1 кг. Y – погрешность с ценой деления 2 кг. Найти DX, DY, σx, σy. Будем считать, что погрешности Х и Y равномерно распределены соответственно на интервалах (–0,5; 0,5) и (–1; 1), . Тогда Пользуясь выведенной формулой, получим – ; ; ; . По условию задачи один из весов вдвое точнее других, а дисперсии отличаются в четыре раза, в то время как среднеквадратические отклонения отличаются в два раза. Таким образом, среднеквадратическое отклонение может служить мерой точности приборов. Заметим, что единица измерения дисперсии – кг2, а единица измерения среднеквадратического отклонения – кг, т.е. среднеквадратическое отклонение измеряется в тех же величинах, что и исходная величина. Свойства дисперсии 1.Дисперсия постоянной C равна 0, DC = 0, С = const. Доказательство. DC = M(С – MC)2 = М(С – С) = 0.
2. D(CX) = С2DX. Доказательство. D(CX) = M(CX)2 – M2(CX) = C2MX2 – C2(MX)2 = C2(MX2 – M2X) = С2DX.
3. Если X и Y – независимые случайные величины, то
Доказательство. 4. Если Х1, Х2, … не зависимы, то . Это свойство можно доказать методом индукции, используя свойство 3.
5. . Доказательство. D(X – Y) = DX + D(–Y) = DX + (–1)2D(Y) = DX + D(Y).
6. Доказательство. D(C+X) = M(X+C–M(X+C))2 = M(X+C–MX–MC)2 = M(X+C–MX–C)2 = M(X–MX)2 = DX. Пусть – независимые случайные величины, причем , . Составим новую случайную величину , найдем математическое ожидание и дисперсию Y. ; . То есть при n®¥ математическое ожидание среднего арифметического n независимых одинаково распределенных случайных величин остается неизменным, равным математическому ожиданию а, в то время как дисперсия стремится к нулю. Это свойство статистической устойчивости среднего арифметического лежит в основе закона больших чисел.
|
||
Последнее изменение этой страницы: 2018-05-27; просмотров: 162. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |