Математическое ожидание дискретной случайной величины: как найти по закону распределения

Математическое ожидание — одна из ключевых числовых характеристик случайной величины в теории вероятностей. Оно показывает среднее значение, вокруг которого группируются возможные результаты случайного эксперимента. Умение найти математическое ожидание дискретной случайной величины по таблице распределения — базовый навык, необходимый для решения задач по теории вероятностей и математической статистике.

Что такое математическое ожидание

Математическое ожидание (обозначается M(X), E(X) или μ) — это средневзвешенное значение всех возможных значений случайной величины, где весами служат вероятности этих значений. Простыми словами, это число, к которому в среднем стремится результат при многократном повторении случайного эксперимента.

Рассмотрим простой пример. При подбрасывании правильного игрального кубика каждая грань выпадает с вероятностью 1/6. Математическое ожидание числа очков равно:

M(X) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6 + 4 · 1/6 + 5 · 1/6 + 6 · 1/6 = 21/6 = 3,5

Хотя значение 3,5 не может выпасть на кубике, именно оно является центром распределения. Если бросать кубик сотни раз и вычислять среднее арифметическое выпавших чисел, результат будет стремиться к 3,5.

Математическое ожидание не обязательно совпадает с каким-либо из возможных значений случайной величины. Это теоретическое среднее, характеризующее положение центра распределения.

Формула математического ожидания дискретной случайной величины

Дискретная случайная величина X принимает конечное или счётное множество значений x₁, x₂, …, x_n с вероятностями p₁, p₂, …, p_n соответственно. Закон распределения записывается в виде таблицы:

X	x1	x2	x3	…	xn
P	p1	p2	p3	…	pn

Формула математического ожидания (мат. ожидания) имеет вид:

M(X) = ∑ x_i · p_i = x₁ · p₁ + x₂ · p₂ + … + x_n · p_n

Чтобы найти мат. ожидание, нужно каждое возможное значение случайной величины умножить на его вероятность и сложить все полученные произведения.

Необходимое условие: сумма всех вероятностей должна равняться единице:

p₁ + p₂ + … + p_n = 1

Если это условие не выполняется, таблица распределения задана с ошибкой и вычислять математическое ожидание по ней нельзя.

Как найти математическое ожидание по таблице распределения

Разберём пошаговый алгоритм нахождения математического ожидания по таблице.

1. Проверить корректность таблицы — убедиться, что сумма вероятностей равна 1.
2. Умножить каждое значение x_i на соответствующую вероятность p_i.
3. Сложить все полученные произведения — результат и есть M(X).

Пример 1. Простая таблица распределения

Дискретная случайная величина X задана следующим законом распределения:

X	2	5	7	10
P	0,1	0,3	0,4	0,2

Шаг 1. Проверяем сумму вероятностей: 0,1 + 0,3 + 0,4 + 0,2 = 1. Условие выполнено.

Шаг 2. Вычисляем произведения x_i · p_i:

xi	pi	xi · pi
2	0,1	0,2
5	0,3	1,5
7	0,4	2,8
10	0,2	2,0

Шаг 3. Суммируем: M(X) = 0,2 + 1,5 + 2,8 + 2,0 = 6,5

Математическое ожидание данной случайной величины равно 6,5.

Пример 2. Таблица с отрицательными значениями

Случайная величина X может принимать отрицательные значения:

X	−3	−1	0	4	6
P	0,1	0,2	0,3	0,25	0,15

Проверяем: 0,1 + 0,2 + 0,3 + 0,25 + 0,15 = 1.

M(X) = (−3) · 0,1 + (−1) · 0,2 + 0 · 0,3 + 4 · 0,25 + 6 · 0,15

M(X) = −0,3 + (−0,2) + 0 + 1,0 + 0,9 = 1,4

Обратите внимание: при работе с отрицательными значениями важно не забывать знак минус при умножении.

Свойства математического ожидания

Знание свойств мат. ожидания позволяет упростить вычисления и решать более сложные задачи. Перечислим основные свойства.

1. Математическое ожидание постоянной равно самой постоянной:

M(C) = C

2. Постоянный множитель можно выносить за знак математического ожидания:

M(C · X) = C · M(X)

3. Математическое ожидание суммы равно сумме математических ожиданий:

M(X + Y) = M(X) + M(Y)

Это свойство выполняется всегда, независимо от того, зависимы случайные величины или нет.

4. Математическое ожидание произведения независимых случайных величин:

M(X · Y) = M(X) · M(Y)

Это свойство справедливо только для независимых случайных величин.

5. Математическое ожидание линейного преобразования:

M(aX + b) = a · M(X) + b

6. Если все значения случайной величины неотрицательны (x_i ≥ 0), то M(X) ≥ 0.

Эти свойства часто используются в задачах, где требуется найти математическое ожидание сложного выражения, зная мат. ожидания отдельных случайных величин.

Дисперсия и её связь с математическим ожиданием

Математическое ожидание характеризует среднее значение случайной величины, но не даёт представления о том, насколько сильно отдельные значения отклоняются от среднего. Для оценки разброса используется дисперсия.

Формула дисперсии

Дисперсия дискретной случайной величины (обозначается D(X)) вычисляется по формуле:

D(X) = M(X²) − [M(X)]²

Где M(X²) — математическое ожидание квадрата случайной величины:

M(X²) = ∑ x_i² · p_i

Существует также эквивалентная формула через определение:

D(X) = ∑ (x_i − M(X))² · p_i

На практике первая формула (через M(X²)) удобнее для вычислений.

Пример расчёта дисперсии

Воспользуемся таблицей из первого примера:

X	2	5	7	10
P	0,1	0,3	0,4	0,2

Ранее мы нашли M(X) = 6,5.

Находим M(X²):

xi	xi2	pi	xi2 · pi
2	4	0,1	0,4
5	25	0,3	7,5
7	49	0,4	19,6
10	100	0,2	20,0

M(X²) = 0,4 + 7,5 + 19,6 + 20,0 = 47,5

D(X) = M(X²) − [M(X)]² = 47,5 − 6,5² = 47,5 − 42,25 = 5,25

Дисперсия всегда неотрицательна. Если D(X) = 0, случайная величина принимает одно значение с вероятностью 1 (является постоянной).

Среднеквадратичное отклонение

Среднеквадратичное (стандартное) отклонение — это квадратный корень из дисперсии:

σ(X) = √D(X)

Для нашего примера: σ(X) = √5,25 ≈ 2,29.

Среднеквадратичное отклонение имеет ту же размерность, что и сама случайная величина, поэтому оно удобнее дисперсии для практической интерпретации. Оно показывает, на сколько в среднем значения случайной величины отклоняются от математического ожидания.

Задачи с решениями

Задача 1. Найти математическое ожидание по закону распределения

Условие. Дискретная случайная величина X задана законом распределения:

X	1	3	5	8	12
P	0,05	0,2	0,35	0,25	0,15

Найти математическое ожидание M(X).

Решение.

Проверяем сумму вероятностей: 0,05 + 0,2 + 0,35 + 0,25 + 0,15 = 1. Таблица задана верно.

Вычисляем M(X) по формуле:

M(X) = 1 · 0,05 + 3 · 0,2 + 5 · 0,35 + 8 · 0,25 + 12 · 0,15

xi	pi	xi · pi
1	0,05	0,05
3	0,2	0,6
5	0,35	1,75
8	0,25	2,0
12	0,15	1,8

M(X) = 0,05 + 0,6 + 1,75 + 2,0 + 1,8 = 6,2

Ответ: M(X) = 6,2.

Задача 2. Найти M(X), D(X) и среднеквадратичное отклонение

Условие. Случайная величина X задана таблицей:

X	0	1	4	9
P	0,2	0,3	0,3	0,2

Найти M(X), D(X) и σ(X).

Решение.

Проверяем: 0,2 + 0,3 + 0,3 + 0,2 = 1.

Находим M(X):

M(X) = 0 · 0,2 + 1 · 0,3 + 4 · 0,3 + 9 · 0,2 = 0 + 0,3 + 1,2 + 1,8 = 3,3

Находим M(X²):

xi	xi2	pi	xi2 · pi
0	0	0,2	0
1	1	0,3	0,3
4	16	0,3	4,8
9	81	0,2	16,2

M(X²) = 0 + 0,3 + 4,8 + 16,2 = 21,3

Находим дисперсию:

D(X) = 21,3 − 3,3² = 21,3 − 10,89 = 10,41

Находим среднеквадратичное отклонение:

σ(X) = √10,41 ≈ 3,23

Ответ: M(X) = 3,3; D(X) = 10,41; σ(X) ≈ 3,23.

Задача 3. Найти математическое ожидание функции случайной величины

Условие. Случайная величина X задана законом распределения:

X	1	2	4
P	0,5	0,3	0,2

Найти M(3X + 2).

Решение.

Используем свойство математического ожидания линейного преобразования:

M(3X + 2) = 3 · M(X) + 2

Сначала находим M(X):

M(X) = 1 · 0,5 + 2 · 0,3 + 4 · 0,2 = 0,5 + 0,6 + 0,8 = 1,9

Тогда:

M(3X + 2) = 3 · 1,9 + 2 = 5,7 + 2 = 7,7

Ответ: M(3X + 2) = 7,7.

Задача 4. Определить неизвестную вероятность и найти M(X)

Условие. Закон распределения дискретной случайной величины X:

X	2	4	6	8
P	0,15	0,3	?	0,2

Найти неизвестную вероятность и математическое ожидание M(X).

Решение.

Используем условие нормировки (сумма вероятностей равна 1):

0,15 + 0,3 + p₃ + 0,2 = 1

p₃ = 1 − 0,65 = 0,35

Полная таблица распределения:

X	2	4	6	8
P	0,15	0,3	0,35	0,2

Находим M(X):

M(X) = 2 · 0,15 + 4 · 0,3 + 6 · 0,35 + 8 · 0,2

M(X) = 0,3 + 1,2 + 2,1 + 1,6 = 5,2

Ответ: p₃ = 0,35; M(X) = 5,2.

Задача 5. Математическое ожидание суммы двух независимых случайных величин

Условие. Даны две независимые случайные величины X и Y с законами распределения:

X	1	3	5
P	0,2	0,5	0,3

Y	2	4
P	0,6	0,4

Найти M(X + Y) и M(X · Y).

Решение.

По свойству аддитивности: M(X + Y) = M(X) + M(Y).

Находим M(X):

M(X) = 1 · 0,2 + 3 · 0,5 + 5 · 0,3 = 0,2 + 1,5 + 1,5 = 3,2

Находим M(Y):

M(Y) = 2 · 0,6 + 4 · 0,4 = 1,2 + 1,6 = 2,8

Тогда:

M(X + Y) = 3,2 + 2,8 = 6,0

Поскольку X и Y независимы, для произведения применяем свойство мультипликативности:

M(X · Y) = M(X) · M(Y) = 3,2 · 2,8 = 8,96

Ответ: M(X + Y) = 6,0; M(X · Y) = 8,96.

Задача 6. Практическая задача с вероятностями в виде дробей

Условие. Стрелок делает один выстрел по мишени. Число выбитых очков X имеет следующее распределение:

X (очки)	0	5	8	10
P	1/10	3/10	2/5	1/5

Найти среднее число очков, которое стрелок выбивает за один выстрел.

Решение.

Среднее число очков — это математическое ожидание M(X). Переведём дроби: 2/5 = 4/10, 1/5 = 2/10.

Проверяем: 1/10 + 3/10 + 4/10 + 2/10 = 10/10 = 1.

M(X) = 0 · 1/10 + 5 · 3/10 + 8 · 4/10 + 10 · 2/10

M(X) = 0 + 15/10 + 32/10 + 20/10 = 67/10 = 6,7

В среднем стрелок выбивает 6,7 очка за один выстрел.

Ответ: M(X) = 6,7.

Типичные ошибки при вычислении математического ожидания

При решении задач на нахождение мат. ожидания студенты часто допускают одни и те же ошибки. Разберём наиболее распространённые из них.

• Не проверяют сумму вероятностей. Если сумма вероятностей не равна 1, таблица содержит ошибку. Вычислять M(X) по некорректной таблице бессмысленно.
• Путают простое среднее арифметическое и математическое ожидание. Среднее арифметическое значений (x₁ + x₂ + … + x_n) / n не учитывает вероятности и даёт другой результат. Математическое ожидание — это именно взвешенное среднее.
• Забывают знак минус. При умножении отрицательного значения случайной величины на вероятность результат отрицательный. Ошибка со знаком приводит к неверному ответу.
• Путают формулы дисперсии. Распространённая ошибка: вычисляют [M(X)]² вместо M(X²) или наоборот. Напомним: D(X) = M(X²) − [M(X)]², а не M(X² − M(X)).
• Получают отрицательную дисперсию. Дисперсия всегда ≥ 0. Если при вычислении получилось отрицательное число, где-то допущена арифметическая ошибка.

Где применяется математическое ожидание

Математическое ожидание используется далеко за пределами учебных задач. Вот основные области применения:

• Страхование. Страховые компании рассчитывают математическое ожидание выплат по полисам, чтобы определить размер страховых премий.
• Финансы и инвестиции. Ожидаемая доходность портфеля ценных бумаг вычисляется как математическое ожидание случайной величины доходности.
• Теория массового обслуживания. Среднее число клиентов в очереди, среднее время ожидания — всё это математические ожидания соответствующих случайных величин.
• Контроль качества. Среднее число дефектных изделий в партии оценивается через математическое ожидание.
• Теория игр. Оценка средневзвешенного выигрыша в азартных играх и стратегических ситуациях основана на вычислении мат. ожидания.
• Физика. Средние значения физических величин в квантовой механике выражаются через математическое ожидание.

Итоги

Подведём итог основных формул и алгоритмов, рассмотренных в статье:

Характеристика	Формула
Математическое ожидание	M(X) = ∑ xi · pi
Дисперсия	D(X) = M(X2) − [M(X)]2
Среднеквадратичное отклонение	σ(X) = √D(X)
Линейное преобразование	M(aX + b) = a · M(X) + b
Условие нормировки	∑ pi = 1

Алгоритм нахождения математического ожидания по таблице распределения прост: проверить сумму вероятностей, умножить каждое значение на его вероятность и сложить результаты. Дисперсию удобнее вычислять по формуле D(X) = M(X²) − [M(X)]², предварительно найдя M(X²) аналогичным образом — возведением значений в квадрат перед умножением на вероятность.

Свойства математического ожидания (вынесение постоянной, аддитивность, мультипликативность для независимых величин) позволяют находить мат. ожидание сложных выражений, не составляя новую таблицу распределения. Эти инструменты являются базой для дальнейшего изучения теории вероятностей и математической статистики.