Калькулятор дискретного распределения вероятностей

Калькулятор дискретного распределения вероятностей

Развивающийся AI Skill PRO

Введите расчет

Введите одинаковое количество значений и вероятностей. Сумма вероятностей должна быть равна 1.

Математическая формула

μ=∑ixi·piσ2=∑i(xi−μ)2·piσ=σ2\begin{gathered} \mu = \sum_{i} {x_i} \cdot {p_i} \\[1.2em] \sigma^{2} = \sum_{i} \left({x_i} - \mu\right)^{2} \cdot {p_i} \qquad \sigma = \sqrt{\sigma^{2}} \end{gathered}
Статистика использования

Реклама

Результаты

Математическое ожидание (среднее) μ
3
Дисперсия (σ²) 1
Стандартное отклонение (σ) 1
Сумма вероятностей 1
Количество исходов 4

В корректном распределении вероятностей их сумма должна равняться 1. Если сумма выше не равна 1, проверьте введённые данные.

Сообщить об ошибке на этой странице

Что делает этот калькулятор

Дискретное распределение вероятностей перечисляет все возможные исходы случайной величины и вероятность каждого из них. Калькулятор принимает такую таблицу — набор значений \(x\) и соответствующих им вероятностей \(p\) — и мгновенно вычисляет три ключевые характеристики распределения: математическое ожидание (среднее), дисперсию и стандартное отклонение.

Как пользоваться

Введите значения исходов в первое поле через запятую (например, 1, 2, 3, 4). Во второе поле впишите соответствующие вероятности в том же порядке (например, 0.1, 0.2, 0.3, 0.4). Убедитесь, что в обоих списках одинаковое количество элементов и что сумма вероятностей равна 1. Нажмите «Рассчитать», чтобы увидеть результат. Калькулятор также покажет сумму вероятностей — так вы сможете проверить, что распределение задано корректно.

Схема, показывающая расстояния исходов от среднего для иллюстрации дисперсии
Дисперсия \(\sigma^{2}\) показывает, насколько исходы разбросаны относительно среднего \(\mu\).

Разбор формулы

Математическое ожидание, обозначаемое \(\mu\), — это среднее с учётом вероятностей:

$$\mu = \sum_{i} x_i \cdot p_i$$

Каждое значение умножается на свою вероятность, а произведения складываются. Дисперсия, обозначаемая \(\sigma^{2}\), показывает, насколько сильно исходы разбросаны вокруг среднего:

$$\sigma^{2} = \sum_{i} \left(x_i - \mu\right)^{2} \cdot p_i$$

Стандартное отклонение \(\sigma\) — это просто квадратный корень из дисперсии; оно выражает разброс в тех же единицах, что и сами значения.

Реклама

Пример с решением

Пусть \(x = 1, 2, 3, 4\) с вероятностями \(0.1, 0.2, 0.3, 0.4\). Среднее равно

$$1(0.1) + 2(0.2) + 3(0.3) + 4(0.4) = 0.1 + 0.4 + 0.9 + 1.6 = 3.0$$

Дисперсия равна

$$(1-3)^{2}(0.1) + (2-3)^{2}(0.2) + (3-3)^{2}(0.3) + (4-3)^{2}(0.4) = 0.4 + 0.2 + 0 + 0.4 = 1.0$$

поэтому стандартное отклонение составляет \(\sqrt{1.0} = 1.0\).

Столбчатая диаграмма дискретного распределения вероятностей с пунктирной линией, отмечающей среднее
Каждый столбец показывает вероятность \(p\) исхода \(x\); среднее \(\mu\) — это точка равновесия.

Частые вопросы

Обязательно ли вероятности должны давать в сумме 1? Да, для корректного распределения это необходимо. Калькулятор показывает сумму, чтобы вы могли это проверить; если она не равна 1, результаты не будут иметь смысла.

Чем дисперсия отличается от стандартного отклонения? Дисперсия — это среднее квадрата отклонения от математического ожидания; стандартное отклонение — её квадратный корень, который возвращает величину к исходным единицам измерения.

Можно ли использовать отрицательные значения? Да. Значения исходов могут быть любыми действительными числами; только вероятности обязаны находиться в диапазоне от 0 до 1.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика