При решении практических задач моделирования, основанных на распределениях случайных величин, используют числовые характеристики. К ним относят: математическое ожидание, медиану, моду, дисперсию, среднее квадратическое отклонение, коэффициент вариации, предельную относительную ошибку и т.д.
Математическое ожиданиеM[X] - это такая величина, относительно которой группируются (рассеиваются) всевозможные значения случайной величины. Математическое ожидание является теоретической характеристикой. Для практического применения используется упрощенная величина - среднее значениеХср. Среднее значение приближается к значению математического ожидания по мере увеличения числа испытаний (наблюдений). Обычно среднее определяют по формуле:
N
M[X] ≈ Хср = (∑ xi) /N,
i = 1
где xi- значение случайной величины при i-ом наблюдении;
N - общее число наблюдений.
МедианаMe- это такая величина, относительно которой равновероятно получение большего или меньшего значения случайной величины, то есть:
P(X>Me) =P(X<Me).
Медиану применяют в качестве характеристики распределения в тех случаях, когда имеются очень большие колебания случайной величины. В этом случае на среднее значение большое влияние будут оказывать крайние значения случайной величины, а медиана к крайним значениям менее чувствительна.
МодаMo - это такое значение, которое имеет наибольшую вероятность. В общем случае среднее, медиана и мода не совпадают (совпадают они лишь при симметричном распределении).
Математическое ожидание, среднее, медиана и мода имеют такую же размерность, как и рассматриваемая случайная величина X.
Для оценки степени разброса (рассеивания) значений случайной величины относительно среднего используют такие характеристики, как дисперсия Dx и среднее квадратическое отклонение уx.
ДисперсияDx - это математическое ожидание квадрата отклонений случайной величины от своего математического ожидания. Чем больше дисперсия, тем в среднем больше отклонение (рассеивание) значений случайной величины относительно среднего. Для дискретной случайной величины дисперсию вычисляют по формуле:
N
Dx= [∑(xi-Хср)2] /N,
i = 1
а для непрерывной случайной величины - по формуле:
∞
Dx=∫(x-Хср)2∙f(x)∙dx,
-∞
где xi- значение случайной величины при i-ом наблюдении;
Хср- среднее случайной величины;
N - общее число наблюдений.
Дисперсия имеет размерность рассматриваемой случайной величины X, но в квадрате.
Среднее квадратическое отклонение(СКО)уx - это положительное значение корня квадратного из дисперсии. Имеет одинаковую размерность со случайной величиной, в чем и состоит ее преимущество (более широкое применение) относительно дисперсии. Для малых выборок (N ≤ 30) определяются несмещенные оценкиDx и уx, формулы для их расчета имеют вид:
N
Dx= [∑ (xi-Хср)2] / (N -1),
i = 1
уx=Dx0.5.
Дисперсия и СКО показывают абсолютное отклонение от среднего значения случайной величины, что недостаточно характеризует уровень рассеивания. Для устранения этого недостатка часто используют относительные характеристики рассеивания: коэффициент вариации и предельную относительную ошибку д.
Коэффициент вариации- это отношение СКО к среднему значению. Рассчитывается по формуле:
= [уx /Хср]∙100 %
(в процентах), или по формуле:
= уx /Хср
(в безразмерном виде). Коэффициент вариации удобен для сравнения случайных величин, имеющих различную размерность.
Предельная относительная ошибкад - характеризует величину наибольшего отклонения случайной величины от среднего значения, определяется по правилу:
д=max{[(Хср- xmin) /Хср];[(xmax - Хср) /Хср]},
где: Хср -среднее;
xmin - наименьшее из всех наблюдений случайной величины X;
xmax - наибольшее из всех наблюдений случайной величины X.
Правило определения д заключается в следующем: "определяется наибольшее относительное отклонение от среднего в большую сторону; определяется наибольшее относительное отклонение в меньшую сторону; искомому д присваивается наибольшее значение из этой пары".