|
Архив новостей 1989-2004
|
 |
|
27 января 1999 года
Математическое ожидание и дисперсия: почему среднего значения недостаточно
Среднее значение показывает, вокруг какого уровня сосредоточены результаты, но почти ничего не говорит об их разбросе. Две случайные величины могут иметь одинаковое математическое ожидание и при этом вести себя совершенно по-разному: одна — давать стабильные значения рядом со средним, другая — редко, но резко отклоняться от него. Поэтому в теории вероятностей среднее почти всегда рассматривают вместе с дисперсией и стандартным отклонением.
Что показывает математическое ожидание
Для дискретной случайной величины математическое ожидание рассчитывают как сумму произведений возможных значений на их вероятности:
E(X) = x1p1 + x2p2 + ... + xnpn.
Важно понимать, что математическое ожидание не обязано совпадать с каким-либо реально возможным результатом. Если случайная величина принимает значения 0 и 10 с вероятностями 0,5 и 0,5, то E(X) = 5. При этом пятёрка никогда не появляется в отдельном испытании.
Смысл показателя раскрывается на длинной серии повторений: средний результат большого числа испытаний будет стремиться к математическому ожиданию.
Почему одинаковое среднее не означает одинаковое поведение
Рассмотрим две случайные величины. Первая принимает значения 4 и 6 с равными вероятностями. Вторая — 0 и 10, тоже с вероятностями по 0,5. Для обеих математическое ожидание равно 5.
Но первая величина всегда отклоняется от среднего только на единицу, а вторая — сразу на пять. По одному среднему значению это различие увидеть невозможно. Для оценки разброса используют дисперсию:
D(X) = E[(X E(X))2].
В первом примере дисперсия равна 1, во втором — 25. То есть центр распределения одинаковый, а характер колебаний совершенно разный.
Стандартное отклонение: разброс в привычных единицах
Дисперсия измеряется в квадрате исходных единиц, поэтому для интерпретации часто используют стандартное отклонение:
= D(X).
Для первой величины из примера = 1, для второй — 5. Теперь разброс выражен в тех же единицах, что и сами значения, поэтому его проще сравнивать с математическим ожиданием.
Где дисперсия особенно важна
В инженерии два узла могут иметь одинаковый средний срок службы, но один работает стабильно, а второй часто выходит из строя слишком рано или, наоборот, служит намного дольше среднего. Для оценки надёжности важен именно разброс.
В экономических и финансовых моделях ситуация аналогична. Две стратегии могут показывать одинаковую среднюю доходность, но одна будет сопровождаться небольшими колебаниями, а другая — резкими просадками и всплесками. Поэтому при сравнении случайных процессов обычно рассматривают сразу несколько характеристик:
- математическое ожидание — показывает средний уровень;
- дисперсию — описывает разброс относительно среднего;
- стандартное отклонение — показывает тот же разброс в исходных единицах.
Только вместе эти показатели дают более полную картину поведения случайной величины.
Как рассчитать дисперсию на простом примере
Пусть случайная величина принимает значения 2, 4 и 6 с вероятностями 0,25, 0,5 и 0,25. Сначала найдём математическое ожидание:
E(X) = 2 0,25 + 4 0,5 + 6 0,25 = 4.
Теперь вычисляем квадраты отклонений от среднего. Для значения 2 отклонение равно 2, квадрат — 4. Для 4 отклонение равно нулю. Для 6 — снова 4. Умножаем на соответствующие вероятности:
D(X) = 4 0,25 + 0 0,5 + 4 0,25 = 2.
Стандартное отклонение:
= 2 1,41.
Как интерпретировать результат
Большая дисперсия сама по себе не означает, что модель «плохая», а маленькая — что она «хорошая». Всё зависит от задачи. В технической системе большой разброс может означать нестабильность, в финансовой — повышенный риск, в статистическом эксперименте — высокую изменчивость наблюдений.
Материалы по математическому моделированию, статистике и прикладным количественным методам публикуются на novainfo.ru, где подобные показатели рассматриваются в разных научных областях. Это помогает сравнивать не только сами формулы, но и способы их использования в конкретных исследованиях.
Почему среднего значения всё-таки недостаточно
Математическое ожидание показывает центр распределения, но ничего не говорит о том, насколько далеко реальные значения могут от него отклоняться. Дисперсия и стандартное отклонение дополняют эту картину и позволяют оценить устойчивость результата.
Поэтому при сравнении случайных величин правильнее смотреть не на одно среднее, а на сочетание нескольких характеристик. Только так можно понять и ожидаемый уровень, и масштаб возможных отклонений.
| 
