Дискретная случайная величина задается своим рядом распределения: перечнем значений xi, которые она может принимать, и соответствующих вероятностей pi=P(X=xi). Количество значений случайной величины может быть конечным или счетным. Для определенности будем рассматривать случай i=1,n¯¯¯¯¯¯¯¯. Тогда табличное представление дискретной случайной величины имеет вид:
Xipix1p1x2p2……xnpn
При этом выполняется условие нормировки: сумма всех вероятностей должна быть равна единице
∑i=1npi=1
Графически ряд распределения можно представить полигоном распределения (или многоугольником распределения). Для этого на плоскости откладываются точки с координатами (xi,pi) и соединяются по порядку ломаной линией. Подробные примеры вы найдете ниже.
Числовые характеристики ДСВ
Математическое ожидание:
M(X)=∑i=1nxi⋅pi
Дисперсия:
D(X)=M(X2)−(M(X))2=∑i=1nx2i⋅pi−(M(X))2
Среднее квадратическое отклонение:
σ(X)=D(X)−−−−−√
Коэффициент вариации:
V(X)=σ(X)M(X)
.
Мода: значение Mo=xk с наибольшей вероятностью pk=maxipi.
Дискретная случайная величина задается своим рядом распределения: перечнем значений xi, которые она может принимать, и соответствующих вероятностей pi=P(X=xi). Количество значений случайной величины может быть конечным или счетным. Для определенности будем рассматривать случай i=1,n¯¯¯¯¯¯¯¯. Тогда табличное представление дискретной случайной величины имеет вид:
Xipix1p1x2p2……xnpn
При этом выполняется условие нормировки: сумма всех вероятностей должна быть равна единице
∑i=1npi=1
Графически ряд распределения можно представить полигоном распределения (или многоугольником распределения). Для этого на плоскости откладываются точки с координатами (xi,pi) и соединяются по порядку ломаной линией. Подробные примеры вы найдете ниже.
Числовые характеристики ДСВ
Математическое ожидание:
M(X)=∑i=1nxi⋅pi
Дисперсия:
D(X)=M(X2)−(M(X))2=∑i=1nx2i⋅pi−(M(X))2
Среднее квадратическое отклонение:
σ(X)=D(X)−−−−−√
Коэффициент вариации:
V(X)=σ(X)M(X)
.
Мода: значение Mo=xk с наибольшей вероятностью pk=maxipi.
Дискретная случайная величина задается своим рядом распределения: перечнем значений xi, которые она может принимать, и соответствующих вероятностей pi=P(X=xi). Количество значений случайной величины может быть конечным или счетным. Для определенности будем рассматривать случай i=1,n¯¯¯¯¯¯¯¯. Тогда табличное представление дискретной случайной величины имеет вид:
Xipix1p1x2p2……xnpn
При этом выполняется условие нормировки: сумма всех вероятностей должна быть равна единице
∑i=1npi=1
Графически ряд распределения можно представить полигоном распределения (или многоугольником распределения). Для этого на плоскости откладываются точки с координатами (xi,pi) и соединяются по порядку ломаной линией. Подробные примеры вы найдете ниже.
Числовые характеристики ДСВ
Математическое ожидание:
M(X)=∑i=1nxi⋅pi
Дисперсия:
D(X)=M(X2)−(M(X))2=∑i=1nx2i⋅pi−(M(X))2
Среднее квадратическое отклонение:
σ(X)=D(X)−−−−−√
Коэффициент вариации:
V(X)=σ(X)M(X)
.
Мода: значение Mo=xk с наибольшей вероятностью pk=maxipi.
Дискретная случайная величина задается своим рядом распределения: перечнем значений xi, которые она может принимать, и соответствующих вероятностей pi=P(X=xi). Количество значений случайной величины может быть конечным или счетным. Для определенности будем рассматривать случай i=1,n¯¯¯¯¯¯¯¯. Тогда табличное представление дискретной случайной величины имеет вид:
Xipix1p1x2p2……xnpn
При этом выполняется условие нормировки: сумма всех вероятностей должна быть равна единице
∑i=1npi=1
Графически ряд распределения можно представить полигоном распределения (или многоугольником распределения). Для этого на плоскости откладываются точки с координатами (xi,pi) и соединяются по порядку ломаной линией. Подробные примеры вы найдете ниже.
Числовые характеристики ДСВ
Математическое ожидание:
M(X)=∑i=1nxi⋅pi
Дисперсия:
D(X)=M(X2)−(M(X))2=∑i=1nx2i⋅pi−(M(X))2
Среднее квадратическое отклонение:
σ(X)=D(X)−−−−−√
Коэффициент вариации:
V(X)=σ(X)M(X)
.
Мода: значение Mo=xk с наибольшей вероятностью pk=maxipi.