Ожидание и дисперсия суммы случайных величин
В прошлом уроке ожидание и дисперсия менялись при сдвиге и растяжении одной величины. Теперь сложим две величины — например, очки двух кубиков.
Ожидание суммы находится просто всегда, а с дисперсией нужна осторожность.
Ожидание суммы — сумма ожиданий
Бросаем монету два раза. $X_1$ — число гербов при первом броске, $X_2$ — при втором. Каждая принимает значения $0$ и $1$ с вероятностью $0{,}5$, поэтому $E(X_1)=E(X_2)=0{,}5$.
Число гербов за два броска — сумма $X_1+X_2$. Пары $(0;0)$, $(0;1)$, $(1;0)$, $(1;1)$ имеют вероятности по $0{,}25$ и дают суммы $0$, $1$, $1$, $2$. Ожидание суммы: $0\cdot 0{,}25+1\cdot 0{,}5+2\cdot 0{,}25=1$ — ровно $0{,}5+0{,}5$.
Свойство 3
Ожидание суммы двух случайных величин равно сумме их ожиданий — для любых величин:
$$E(X+Y)=E(X)+E(Y)$$
То же верно для трех и более слагаемых.
Почему свойство верно
Скрыть
Обозначим $p_{ij}=P(X=x_i,\ Y=y_j)$. Тогда
$$E(X+Y)=\sum_{i,j}(x_i+y_j)p_{ij}=\sum_i x_i\sum_j p_{ij}+\sum_j y_j\sum_i p_{ij}$$
Сумма $\sum_j p_{ij}$ равна $P(X=x_i)$, а $\sum_i p_{ij}$ — это $P(Y=y_j)$. Поэтому первое слагаемое — $E(X)$, второе — $E(Y)$. Независимость не понадобилась.
Независимые величины
Сложим монету саму с собой: $X_1+X_1=2X_1$. Значения $0$ и $2$ с вероятностью $0{,}5$, ожидание снова $1$. Для ожидания неважно, связаны слагаемые или нет. А для дисперсии важно.
Определение
Случайные величины $X$ и $Y$ независимы, если для любых их значений $P(X=x_i,\ Y=y_j)=P(X=x_i)\cdot P(Y=y_j)$.
Броски двух монет или двух кубиков независимы: результат одного не влияет на другой. А $X_1$ и $X_1$ зависимы: $P(X_1=0,\ X_1=1)=0$, хотя $0{,}5\cdot 0{,}5=0{,}25$.
У независимых величин дисперсии складываются
У одной монеты значения $0$ и $1$ стоят от опоры $0{,}5$ на расстоянии $0{,}5$, поэтому $D(X_1)=D(X_2)=0{,}25$. У суммы двух независимых бросков значения $0$, $1$, $2$ с вероятностями $0{,}25$; $0{,}5$; $0{,}25$ и опора $1$. Отклонения $-1$, $0$, $1$, поэтому $D=1\cdot 0{,}25+0+1\cdot 0{,}25=0{,}5$ — ровно $0{,}25+0{,}25$.
А у монеты, сложенной с собой, значения $0$ и $2$ стоят от опоры $1$ на расстоянии $1$: $D(2X_1)=1$ — вдвое больше суммы дисперсий.
Свойство 4
Если случайные величины $X$ и $Y$ независимы, дисперсия их суммы и их разности равна сумме дисперсий:
$$D(X+Y)=D(X)+D(Y),\qquad D(X-Y)=D(X)+D(Y)$$
Вместе с правилом $D(aX)=a^2D(X)$: $D(aX+bY)=a^2D(X)+b^2D(Y)$ для независимых $X$ и $Y$.
Почему свойство верно и откуда плюс у разности
Скрыть
По короткой формуле и свойству 3:
$$D(X+Y)=D(X)+D(Y)+2\big(E(XY)-E(X)E(Y)\big)$$
Для независимых величин $E(XY)=E(X)E(Y)$, и скобка равна нулю. Разность $X-Y$ — это сумма $X+(-1)\cdot Y$, а $D(-Y)=(-1)^2D(Y)=D(Y)$.
Ошибка
Решавр складывает дисперсии, не проверив независимость: $D(X+X)=D(X)+D(X)=2D(X)$. Но $X+X=2X$, а множитель входит в дисперсию в квадрате: $D(2X)=2^2\cdot D(X)=4D(X)$. Сначала проверьте, что величины независимы.
Сумма очков двух кубиков
У одного кубика очки от $1$ до $6$ с вероятностью $\frac16$: $E=3{,}5$, $D=\frac{35}{12}\approx 2{,}92$. Бросаем два кубика, $S$ — сумма очков.
Пример
Найдите $E(S)$ и $D(S)$.
Решение. По свойству 3: $E(S)=3{,}5+3{,}5=7$. Кубики независимы, поэтому по свойству 4: $D(S)=\frac{35}{12}+\frac{35}{12}=\frac{35}{6}\approx 5{,}83$.
Проверка. По таблице $6\times 6$ суммы от $2$ до $12$ встречаются в $1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1$ парах из $36$. Закон симметричен относительно $7$, и расчет по нему дает те же $7$ и $\frac{35}{6}$.
Стандартные отклонения не складываются: $\sigma(S)=\sqrt{35/6}\approx 2{,}42$, а не $2\cdot 1{,}71=3{,}42$. Две независимые кости разбросаны меньше, чем один удвоенный кубик: большие очки на одной часто гасятся малыми на другой.
Среднее нескольких измерений
Среднее очков двух кубиков $\frac{X+Y}{2}$ — это сумма, умноженная на $\frac12$. Его дисперсия: $\frac{35}{6}\cdot\frac14=\frac{35}{24}\approx 1{,}46$ — вдвое меньше, чем у одного кубика.
Дисперсия среднего
Для $n$ независимых величин с одинаковой дисперсией $D$ дисперсия их среднего равна $\frac{D}{n}$.
Поэтому измерение повторяют несколько раз и берут среднее: случайный разброс уменьшается. Но если прибор всегда завышает показания, усреднение эту ошибку не исправит.
Вывод
- Ожидание суммы — сумма ожиданий, для любых величин.
- Дисперсия суммы — сумма дисперсий, только для независимых величин.
- Стандартные отклонения не складываются.
- Среднее $n$ независимых измерений разбросано в $n$ раз меньше по дисперсии.
Следующий урок
Число успехов в $n$ независимых испытаниях — сумма $n$ простых величин. С помощью свойств этого урока найдем ожидание и дисперсию биномиального распределения.
Часто задаваемые вопросы
Ожидание суммы складывается при любой связи величин. В дисперсии стоят квадраты, и при раскрытии (X + Y)² появляется слагаемое с E(XY). У независимых величин оно уничтожается, у зависимых — нет.
Разность X − Y — это сумма X и −Y, а D(−Y) = D(Y): отражение оси не меняет длины стрелок. Разность дисперсий могла бы оказаться отрицательной, а дисперсия неотрицательна.
Обычно нет: у независимых величин складываются дисперсии, а σ суммы — корень из их суммы. У двух кубиков σ ≈ 2,42, а сумма стандартных отклонений дала бы 3,42.
Обычно по смыслу: броски разных кубиков, разные монеты, отдельные опыты, которые не влияют друг на друга. Строго — по определению: вероятность каждой пары значений равна произведению вероятностей.
Переходите к следующим темам и закрепляйте пройденное на практике.
- Более 330 000 пользователей по всей России, из них 39 000 учителей.
- Повышение среднего балла по предмету до 20 % после месяца занятий.
- Всплеск интереса к учебе и более глубокое понимание предметов.
Создайте бесплатный аккаунт — и откройте больше возможностей:
- Отслеживайте прогресс освоения тем
- Получайте персональные подборки полезных уроков и заданий
- Проводите работу над ошибками после занятий