Дисперсия случайной величины

Что такое дисперсия случайной величины

Математическая дисперсия случайной величины – это числовая характеристика, которая показывает, насколько значения этой величины разбросаны относительно её математического ожидания. Если математическое ожидание говорит о «среднем» значении, то дисперсия отвечает на вопрос о стабильности и предсказуемости.

В русской литературе дисперсия обозначается как D[X], в зарубежной – Var(X) или σ². Квадратный корень из дисперсии называется среднеквадратическим отклонением (σ) и измеряется в тех же единицах, что и исходная величина.

Практическая значимость

Рассмотрим пример из финансов. Два инвестиционных портфеля могут иметь одинаковую среднюю доходность 10% годовых. Но если у первого дисперсия 4, а у второго – 25, второй портфель значительно рискованнее. Значения доходности могут колебаться от -5% до +25%, тогда как первый портфель стабильнее.

Формальное определение и формулы

Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от её математического ожидания:

D[X] = E[(X - E[X])²]

Где E обозначает математическое ожидание. Эта формула работает для всех типов случайных величин, но практические вычисления отличаются для дискретных и непрерывных случаев.

Дискретная случайная величина

Если случайная величина X принимает значения x₁, x₂, …, xₙ с вероятностями p₁, p₂, …, pₙ, дисперсия вычисляется по формуле:

D[X] = Σ pᵢ(xᵢ - E[X])²

Существует альтернативная форма вычисления:

D[X] = ½ ΣΣ pᵢpⱼ(xᵢ - xⱼ)²

Эта форма полезна при теоретических выкладках и проверке результатов.

Непрерывная случайная величина

Для непрерывной случайной величины с плотностью вероятности f(x):

D[X] = ∫(x - E[X])²f(x)dx

Пределы интегрирования – от -∞ до +∞. На практике часто используется упрощённая формула через моменты.

Упрощённая формула расчёта

Благодаря линейности математического ожидания, дисперсию можно вычислить проще:

D[X] = E[X²] - (E[X])²

Эта формула удобнее для расчётов, так как требует нахождения только двух математических ожиданий.

Основные свойства дисперсии

Понимание свойств дисперсии помогает упрощать сложные вычисления и проверять результаты.

Неотрицательность

Дисперсия любой случайной величины неотрицательна: D[X] ≥ 0. Это следует из того, что дисперсия – это математическое ожидание квадрата, а квадрат всегда неотрицателен.

Дисперсия константы

Если случайная величина равна константе C, её дисперсия равна нулю: D[C] = 0. Нет разброса – нет вариации.

Влияние константы на дисперсию

Прибавление константы не меняет дисперсию: D[C + X] = D[X]. Сдвиг всех значений на одну величину не влияет на их разброс.

Умножение на константу

При умножении на константу C дисперсия умножается на C²: D[CX] = C²D[X]. Это важно при изменении единиц измерения.

Дисперсия суммы величин

Для двух случайных величин:

D[X + Y] = D[X] + D[Y] + 2cov(X, Y)

Где cov(X, Y) – ковариация величин. Для независимых или некоррелированных величин ковариация равна нулю, и формула упрощается до суммы дисперсий.

Дисперсия линейной комбинации

Для линейной комбинации нескольких случайных величин:

D[ΣcᵢXᵢ] = ΣΣcᵢcⱼcov(Xᵢ, Xⱼ)

Это фундаментальное свойство используется в регрессионном анализе и портфельной теории.

Пример расчёта дисперсии

Рассмотрим классический пример: случайная величина X имеет непрерывное равномерное распределение на отрезке [0, 1]. Плотность вероятности:

• f(x) = 1 при x ∈ [0, 1]
• f(x) = 0 при x ∉ [0, 1]

Вычислим математическое ожидание квадрата:

E[X²] = ∫₀¹ x²dx = x³/3|₀¹ = 1/3

Математическое ожидание:

E[X] = ∫₀¹ xdx = x²/2|₀¹ = 1/2

Дисперсия:

D[X] = 1/3 - (1/2)² = 1/3 - 1/4 = 1/12 ≈ 0,083

Этот результат часто используется как эталонный при проверке расчётов.

Выборочная дисперсия

На практике мы редко знаем истинное распределение. Чаще работаем с выборкой данных X₁, X₂, …, Xₙ.

Смещённая оценка

Смещённая оценка дисперсии вычисляется по формуле:

S̄² = (1/n) Σ(Xᵢ - X̄)²

Где X̄ – выборочное среднее. Эта оценка систематически занижает истинную дисперсию.

Несмещённая оценка

Для получения несмещённой оценки необходимо умножить на коэффициент n/(n-1):

S̃² = (1/(n-1)) Σ(Xᵢ - X̄)²

Эта формула используется в большинстве статистических пакетов и даёт более точную оценку дисперсии генеральной совокупности.

Когда использовать каждую формулу

Связь с другими характеристиками

Стандартное отклонение

Стандартное отклонение σ = √D[X]. Если дисперсия измеряется в квадратах единиц (например, м²), то стандартное отклонение – в исходных единицах (м).

Коэффициент вариации

Для сравнения разброса величин с разными средними используют коэффициент вариации:

CV = σ / E[X] × 100%

Показывает относительный разброс в процентах от среднего.

Ковариация и корреляция

Ковариация показывает совместную вариацию двух величин. Корреляция – нормированная ковариация от -1 до 1.

Неравенство Чебышёва

Из неравенства Чебышёва следует: вероятность того, что значения отстоят от математического ожидания более чем на k стандартных отклонений, менее 1/k².

Для нормального распределения:

• 95% значений в пределах ±2σ
• 99,7% значений в пределах ±3σ

Условная дисперсия

В теории случайных процессов используется условная дисперсия D[X|Y] – дисперсия X при известном значении Y:

D[X|Y] = E[X²|Y] - E[X|Y]²

Свойства условной дисперсии

• Условная дисперсия неотрицательна
• Равна нулю, когда X полностью определяется Y
• Для независимых X и Y условная дисперсия равна обычной D[X]

Формула полной дисперсии

D[X] = E[D[X|Y]] + D[E[X|Y]]

Дисперсия складывается из средней условной дисперсии и дисперсии условного математического ожидания.

Применение в различных областях

Финансы и инвестиции

Дисперсия доходности – ключевая мера риска. Портфельная теория Марковица использует дисперсию для оптимизации соотношения риск-доходность.

Контроль качества

В производстве дисперсия размеров деталей показывает стабильность технологического процесса. Малая дисперсия = высокое качество.

Машинное обучение

Дисперсия модели – компонент ошибки предсказания. Баланс между смещением и дисперсией (bias-variance tradeoff) – центральная концепция.

Социологические исследования

Дисперсия ответов показывает однородность выборки. Высокая дисперсия может указывать на наличие подгрупп с разными мнениями.

Страхование

Страховые компании используют дисперсию убытков для расчёта резервов и премий. Чем выше дисперсия, тем больше резерв требуется.

Типичные ошибки при расчёте

Путаница с делителем

Самая частая ошибка – использование n вместо n-1 для выборочной оценки. Всегда уточняйте, оценка это или описание выборки.

Единицы измерения

Дисперсия измеряется в квадратах единиц. Не сравнивайте дисперсии величин с разными единицами без нормировки.

Предположение о независимости

Формула D[X+Y] = D[X] + D[Y] работает только для независимых величин. При наличии корреляции нужно учитывать ковариацию.

Калькулятор дисперсии

Калькулятор выше позволяет рассчитать дисперсию для набора данных. Укажите значения через запятую или с новой строки, выберите тип оценки (смещённая или несмещённая).

Калькулятор автоматически вычисляет:

• Математическое ожидание
• Дисперсию по выбранной формуле
• Стандартное отклонение
• Коэффициент вариации

Данные калькулятора носят справочный характер. Для критически важных расчётов используйте специализированное статистическое ПО.

Заключение

Математическая дисперсия случайной величины – фундаментальная характеристика вариативности данных. Понимание формул, свойств и областей применения необходимо для работы со статистикой, анализом данных и принятием решений в условиях неопределённости.

Ключевые моменты для запоминания:

• Дисперсия всегда неотрицательна
• D[X] = E[X²] - (E[X])² – основная формула для расчётов
• для выборки используйте делитель n-1
• Стандартное отклонение = √дисперсии

Информация предоставлена для образовательных целей. В научных и профессиональных расчётах сверяйтесь с актуальными методическими рекомендациями.