Момент
Момент случайной величины - математическое ожидание ее степени. Точнее, математическим ожиданием или моментом первого порядка случайной величины
X = X(w), заданной на вероятностном пространстве (W, Ƒ , P), называется число
EX = X(w)P(dw),
если этот интеграл, понимаемый в смысле Лебега, конечен. В противном случае говорят, что математическое ожидание X не существует. (В некоторых ситуациях можно допускать бесконечные математические ожидания, но они здесь рассматриваться не будут.) М. по-рядка k случайной величины X называется математическое ожидание EXk = ak(X) случай-ной величины Xk, k = 1, 2, … , абсолютным М. порядка s случайной величины X называ-ется математическое ожидание E|X|s = bs(X) случайной величины |X|s , s > 0, центральным М. порядка k относительно центра c (здесь и далее c – постоянная) называется величина E(X – c)k, k = 1, 2, … , а абсолютным М. порядка s относительно центра c называется вели-чина E|X – c|s, s > 0, если эти математические ожидания существуют. По определению, a0(X) = b0(X) = 1 для любой случайной величины X.
Для данного числа k = 1, 2, ... все моменты порядка k случайной величины X сущест-вуют или не существуют одновременно. Аналогичное утверждение справедливо для абсо-лютных моментов порядка s > 0. В качестве центра c обычно выбирается c = EX, случайная величина X – EX называется центрированной величиной X и часто обозначается . Центральный момент первого порядка равен нулю, центральный момент DX = E(X – EX)2 называется дисперсией X, положительный квадратный корень из дисперсии s = на-зывается стандартным отклонением X. Выбор центра c = EX при определении дисперсии связан с тем, что min E(X – c)2 достигается при c = EX.
Если f(x), - ¥ < x < ¥ , - борелевская функция, то математическое ожидание случай-ной величины f(X) можно вычислять с помощью функции распределения FX случайной величины X по формуле
Ef(X) = f(x)dFX(x), если этот интеграл, понимаемый в смысле Римана – Стилтьеса, сходится абсолютно. Если X – дискретная случайная величина, то есть X может принимать только значения x1, x2, … с вероятностями p1, p2, … , pk = 1, то Ef(X) можно вычислять по формуле
Ef(X) = f(xk)pk, если этот ряд сходится абсолютно, а если функция распределения FX абсолютно непрерывна и pX(x) – ее плотность, то Ef(X) можно вычислять по формуле
Ef(X) = f(x)pX(x)dx, если этот интеграл, понимаемый как несобственный интеграл Римана, сходится абсолютно. Далее предполагается, что все математические ожидания существуют.
Аналогом математического ожидания в механике является центр тяжести распределения масс, а аналогом дисперсии – момент инерции относительно центра тяжести.
Моменты и абсолютные моменты можно вычислять с помощью формул
ak(X) = kxk-1(E0(x) – FX(x))dx, k = 1,2 ,…,
bs(X) = s|x|s-1|E0(x) – FX(x)|dx, s > 0,
где E0(x) – (вырожденная) функция распределения, имеющая единичный скачок в точке
x = 0. Таким образом, существование моментов связано со скоростью стремления к нулю хвостов FX(-T) и 1 – FX(T), T > 0, функции распределения FX при T ® ¥. В частности, если bs(X) < ¥, то
FX(-T) + 1 – FX(T) £ bs(X)/Ts , T > 0, а если
FX(-T) + 1 – FX(T) = O(1/Ts)
при T ® ¥ , то для любого 0 < e < s существует момент bs-e(X).
Для абсолютных моментов справедливо неравенство Ляпунова
bst-u(X) £ but-s(X)bts-u(X) для любых 0 £ u £ s £ t,
которое чаще всего используется в виде
bs1/s(X) £ bt1/t(X) для любых 0 £ s £ t, откуда, в частности, следует, что существование момента порядка t влечет существование моментов всех порядков, меньших t. Для случайных величин X, распределения которых решетчаты с шагом h > 0, справедливо неравенство Мизеса
hE|X – EX|k-1 £ 2E|X – EX|k
для любого натурального k.
Среди М., чаще всего используемых в теории вероятностей, - математическое ожидание и дисперсия, что связано как с тем, что они используются в фундаментальных утверждениях теории вероятностей, законе больщих чисел и центральной предельной теореме, так и с тем, что они обладают свойством аддитивности (см. ниже). Простейшие свойствами математического ожидания:
1. Ec = c,
2. EcX = cEX,
3. E(X + Y) = EX + EY (аддитивность),
4. E(XY) = (EX)(EY), если случайные величины X и Y независимы.
Простейшее свойства дисперсии:
1. Dc = 0,
2. D(X + c) = DX,
3. D(cX) = c2DX,
4. D(X + Y) = DX + DY, если X и Y независимы (аддитивность).
Во многих задачах теории вероятностей важную роль играет неравенство Чебышева
P(|X – EX| ³ e) £ DX/e2,
где e - произвольное положительное число. Из этого неравенства следует, в частности, что свойство 1. дисперсии допускает следующее обращение: если DX = 0, то P(X = EX) = 1, то есть если дисперсия случайной величины X равна нулю, то она на подмножестве W единичной вероятности является постоянной и эта постоянная есть EX.
В.В. Сенатов
Выходные данные:
- Просмотров: 1084
- Комментариев: 0
- Опубликовано: 16.03.2011
- Версий: 5 , текущая: 5
- Статус: экспертная
- Рейтинг: 100.0
Автор:
Сенатов Владимир Васильевич
- профессор; доктор физико-математических наук
Ссылки отсюда
Категории:Детализирующие понятия: