Після того, як математичне сподівання випадкової величини знайдено, виникає питання, наскільки сильно значення випадкової величини відхиляється від математичного сподівання. Характеристикою ступеня розсіювання випадкової величини навколо математичного сподівання є математичне сподівання квадрата флуктуації випадкової величини (математичне сподівання флуктуації не придатне, тому що воно завжди дорівнює нулю). Інколи в якості характеристики розсіювання випадкової величини використовують математичне сподівання абсолютної величини її флуктуації.
Означення 1. Дисперсією випадкової величини називається невід’ємне число
DX=M()2. (1)
Розмірність дисперсії дорівнює квадрату розмірності випадкової величини. Тому вводять також величину , що називається середнім квадратичним (стандартним) відхиленням, вимірність якої співпадає з вимірністю випадкової величини.
Чим менше sX (DX), тим тісніше групуються значення випадкової величини навколо її математичного сподівання.
Дисперсія допускає важливе математичне тлумачення. Нехай i – сила струму, що проходить через резистор з опором 1 Ом. Тоді потужність, яка виділяється флуктуаційною складовою струму дорівнює , а її середнє значення M. Таким чином, дисперсія струму дорівнює середній потужності, яка виділяється флуктуаційною складовою струму на резисторі з одиничним опором.
При знаходженні дисперсії, як правило, використовують не формулу (1), а інший вираз, який одержується з правої частини цієї формули на підставі властивостей математичного сподівання:
Таким чином,
(2)
Якщо X=Y , то кореляційний момент дорівнює дисперсії K(X,X)=DX. Запишемо формулу (2) у розгорнутому вигляді
(2´)
Із формули (1) випливає, при сталих k і l, важлива властивість дисперсії
D(kX+l)=k2DX. (3)
Дійсно, з урахуванням властивостей математичного сподівання, одержимо
D(kX+l)==k 2·DX.
Зокрема, дисперсія константи (сталої величини) дорівнює нулю.
Приклад 1. При умові прикладу 1 пункту 3.1.2 знайти дисперсію випадкової величини X.
Розв’язок. Із прикладу 1 пункту 3.1.2 маємо MX=p. Оскільки то MX 2=0·(1–p)+1·p=p і на підставі формули (2) одержимо
DX=p– p2=p·(1– p).
Приклад 2. Знайти дисперсію випадкової величини X, розподіленої за законом Пуассона (розділ 2.1, формула (5)).
Розв’язок.
(тут двічі використане розкладання експоненти у ряд ). Було показано (приклад 2 пункту 3.1.2), що MX=l . Отже, DX=l2+l–l2=l – параметр закону Пуассона співпадає як з математичним сподіванням, так і з дисперсією.
Приклад 3. Знайти дисперсію випадкової величини X, розподіленої: 1) рівномірно в проміжку [c; d]; 2) за показниковим законом з параметром l; 3) за законом Гауса з параметрами a і s2; 4) за законом Релея з параметром s2.
Розв’язок. При розв’язанні будуть використані формули (2) та (1) і також результати пункту 3.1.2 (приклади 3,4, наслідки теореми 1).
1) ;
2)
3)
Таким чином, параметрами закону Гауса N(a;s2) є математичне сподівання a і дисперсія s2;
4)
Отже, .
Випадкова величина X називається нормованою, якщо MX=0, DX=1. Прикладом нормованої випадкової величини є випадкова величина . Дійсно,
Приклад 4. Знайти математичне сподівання і дисперсію випадкової величини cn2 (c2‑розподілом з n степенями свободи).
Розв’язок. cn2=X12+X22+...+Xn2, де Xi - незалежні та розподілені за законом Гауса N(0;1). Використовуючи властивості математичного сподівання та дисперсії, одержимо:
Mcn2=M(X12)+...+M(Xn2)=nM(Xi2), Dcn2=D(X12)+...+D(Xn2)=nD(Xi2).
Оскільки DXi=M(Xi2)–(MXi)2, то M(Xi2)=DXi+(MXi)2=1,
D(Xi2)=M(Xi4)–(M(Xi2))2=M(Xi4)–1. Отже Mcn2=n. Залишилось знайти величину
Тому =3–1=2 і остаточно Dcn2=2n.
Зауваження. Для знаходження математичного сподівання і дисперсії нелінійної функції f(X) часто користуються наближеними формулами:
Mf(X) » f(MX),
Df(X) » | f ´(MX)|2 ·DX.
Ці формули тим точніші, чим менше f(X) функція відрізняється від лінійної. Для лінійної функції f(X)=kX+l наведені формули є точними.