Калькулятор дисперсии распределения вероятностей

Калькулятор дисперсии распределения вероятностей

Растущий AI Skill PRO

Введите расчет

Математическая формула

σ2=∑pixi2−μ2где{μ=∑pixi∑pixi2=∑pixi2\begin{gathered} \sigma^{2} = \sum p_i x_i^{2} - \mu^{2} \\[1.5em] \text{где}\quad \left\{ \begin{aligned} \mu &= \sum {p_i}\,{x_i} \\ \sum p_i x_i^{2} &= \sum {p_i}\,{x_i}^{2} \end{aligned} \right. \end{gathered}
Статистика использования

Реклама

Результаты

Дисперсия Var(X)
0,49
σ² распределения
Среднее μ 2,1
E[X²] 4,9
Стандартное отклонение σ 0,7
Σ pᵢ (должно быть 1) 1

Сообщить об ошибке на этой странице

Что делает этот калькулятор

Инструмент вычисляет дисперсию и стандартное отклонение дискретной случайной величины по её распределению вероятностей. Вы задаёте каждое возможное значение (\(x_i\)) и вероятность этого значения (\(p_i\)), а калькулятор возвращает дисперсию \(\text{Var}(X)\), математическое ожидание \(\mu\), ожидаемое значение \(X^2\) и стандартное отклонение \(\sigma\). Дисперсия показывает, насколько сильно значения разбросаны вокруг среднего: маленькая дисперсия означает, что значения держатся около среднего, а большая — что они разбросаны широко.

Как пользоваться

В первое поле введите значения через запятую (например, 1, 2, 3). Во второе поле в том же порядке введите соответствующие вероятности (например, 0.2, 0.5, 0.3). Сумма вероятностей должна быть равна 1; калькулятор отдельно показывает \(\sum p_i\), чтобы вы могли это проверить. Нажмите «Рассчитать» — и получите дисперсию вместе с остальными статистиками.

Разбор формулы

Для расчёта дисперсии используется удобная вычислительная форма:

$$\text{Var}(X) = \sum p_i x_i^{2} - \left(\sum p_i x_i\right)^{2}$$

Здесь \(\sum p_i x_i\) — это среднее \(\mu = E[X]\), а \(\sum p_i x_i^{2}\) — это \(E[X^2]\). Если вычесть квадрат среднего из \(E[X^2]\), получится дисперсия. Алгебраически это то же самое, что и определение \(\text{Var}(X) = \sum p_i(x_i - \mu)^{2}\), но считать по этой формуле проще — за один проход. Стандартное отклонение находится просто: \(\sigma = \sqrt{\text{Var}(X)}\).

Реклама
Столбчатая диаграмма дискретного распределения вероятностей с линией среднего и стрелками разброса
Дисперсия показывает, насколько исходы разбросаны вокруг среднего распределения.

Пример с решением

Пусть X принимает значения 1, 2, 3 с вероятностями 0.2, 0.5, 0.3. Среднее равно $$\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1.$$ Далее $$E[X^2] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9.$$ Тогда $$\text{Var}(X) = 4.9 - 2.1^{2} = 4.9 - 4.41 = 0.49,$$ а \(\sigma = \sqrt{0.49} = 0.7\).

Таблица, сопоставляющая исходы и вероятности с взвешенными квадратами для формулы дисперсии
Каждый исход вносит \(p_i x_i\) и \(p_i x_i^{2}\) в две суммы формулы дисперсии.

Частые вопросы

Обязательно ли вероятности должны давать в сумме 1? Да, для корректного распределения это необходимо. Калькулятор показывает \(\sum p_i\), чтобы вы могли убедиться. Если сумма не равна 1, результаты будут неточными.

Чем дисперсия отличается от стандартного отклонения? Дисперсия измеряется в квадратах единиц измерения, а стандартное отклонение — это квадратный корень из неё, выраженный в тех же единицах, что и X. Поэтому стандартное отклонение проще интерпретировать.

Может ли дисперсия быть отрицательной? Нет. Математически дисперсия всегда \(\geq 0\). Отрицательный результат говорит об ошибке при вводе вероятностей.

Ещё примеры с решениями

Пример 1: Честная шестигранная игральная кость

Исходы \(x = 1, 2, 3, 4, 5, 6\), каждый с вероятностью \(p_i = \frac{1}{6}\).

  1. Математическое ожидание: \(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\).
  2. Второй момент: \(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\).
  3. Дисперсия: \(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\) (точно \(\frac{35}{12}\)).
  4. Стандартное отклонение: \(\sigma = \sqrt{2.9167} \approx 1.7078\).

Пример 2: Выплата игры с проигрышами и выигрышами

Игра выплачивает \(x = -10, 0, 20\) (в долларах) с вероятностями \(p = 0.5, 0.3, 0.2\). Сумма вероятностей равна 1.

  1. Математическое ожидание: \(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\).
  2. Второй момент: \(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\).
  3. Дисперсия: \(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129.
  4. Стандартное отклонение: \(\sigma = \sqrt{129} \approx 11.36\) доллара.

Обратите внимание, что на последнем шаге математическое ожидание возводится в квадрат, поэтому отрицательное среднее всё равно даёт положительное вычитаемое.

Реклама

Сравнение распределений с одинаковым математическим ожиданием

У всех трёх распределений ниже математическое ожидание равно 2, но их разброс различен. Дисперсия отражает эту разницу, которую одно лишь математическое ожидание передать не может.

Распределение Математическое ожидание E[X] E[X²] Дисперсия Стандартное отклонение
x = 2 при p = 1 2 4 0 0
x = 1, 2, 3 при p = 0.25, 0.5, 0.25 2 0.25 + 2 + 2.25 = 4.5 4.5 − 4 = 0.5 ≈ 0.7071
x = 0, 2, 4 при p = 0.25, 0.5, 0.25 2 0 + 2 + 4 = 6 6 − 4 = 2 ≈ 1.4142

Третье распределение использует исходы, находящиеся вдвое дальше от среднего, чем во втором, поэтому его дисперсия в четыре раза больше (2 против 0.5), а стандартное отклонение — вдвое больше.

Интерпретация дисперсии и стандартного отклонения

  • Дисперсия 0: исход постоянен (вырожденное распределение); вся вероятность сосредоточена в одной точке, которая равна математическому ожиданию.
  • Большее σ означает больший разброс: исходы, как правило, отклоняются дальше от математического ожидания E[X].
  • Единицы измерения: если X измеряется в долларах, дисперсия выражается в долларах в квадрате, а стандартное отклонение \(\sigma = \sqrt{\sigma^2}\) выражается в тех же единицах, что и X (доллары), что делает его easier для интерпретации.
  • Линейные преобразования: \(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\). Прибавление константы b сдвигает распределение, не меняя его разброса; умножение на a масштабирует стандартное отклонение в \(|a|\) раз.
  • Суммы независимых величин: если X и Y независимы, то \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\), и также \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\). Стандартные отклонения напрямую не складываются.
  • Чувствительность к экстремальным значениям: поскольку отклонения возводятся в квадрат, редкий, но экстремальный исход может заметно увеличить дисперсию, даже если его вероятность мала.

Дисперсия никогда не бывает отрицательной. Если ваш расчёт даёт отрицательное значение, проверьте, что вероятности в сумме дают 1 и что каждое pᵢ находится между 0 и 1.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика