Открыть сервисСервис

Дисверсия — математическое понятие

Дисперсия — это мера разброса значений случайной величины относительно её математического ожидания. В теории вероятностей и математической статистике дисперсия является одним из основных числовых характеристик распределения, наряду с математическим ожиданием и стандартным отклонением. Дисперсия всегда неотрицательна, имеет размерность квадрата размерности исходной величины и обозначается символом D(X), Var(X) или σ².

Определение

Для дискретной случайной величины X с вероятностями p_i значений x_i дисперсия определяется как математическое ожидание квадрата отклонения от математического ожидания:

D(X) = E[(X − E[X])²] = Σ p_i (x_i − E[X])².

Для непрерывной случайной величины с плотностью вероятности f(x) используется интеграл:

D(X) = ∫ (x − E[X])² f(x) dx.

Эквивалентная вычислительная формула:

D(X) = E[X²] − (E[X])².

Эта формула удобна на практике, так как требует лишь первого и второго моментов распределения.

Свойства дисперсии

  • Неотрицательность: D(X) ≥ 0, причём D(X) = 0 тогда и только тогда, когда X принимает значение с вероятностью 1 (т. е. X — постоянная величина).
  • Линейность сдвигов: D(X + a) = D(X) для любого числа a — сдвиг не меняет разброс.
  • Масштабирование: D(aX) = a² D(X) — при умножении на константу дисперсия умножается на её квадрат.
  • Сумма независимых величин: D(X + Y) = D(X) + D(Y), если X и Y независимы. Для зависимых величин добавляется ковариация: D(X + Y) = D(X) + D(Y) + 2Cov(X, Y).
  • Ковариация: Cov(X, Y) = E[(X − E[X])(Y − E[Y])] — обобщение дисперсии на случай двух величин; D(X) = Cov(X, X).

Стандартное отклонение

Корень квадратный из дисперсии называется стандартным отклонением (среднеквадратическим отклонением) и обозначается σ:

σ = √D(X).

В отличие от дисперсии, стандартное отклонение имеет ту же размерность, что и исходная величина, поэтому его чаще используют для интерпретации результатов. Например, если средний рост сотрудников составляет 175 см, а стандартное отклонение — 6 см, то типичные значения лежат в диапазоне 169–181 см.

Оценки дисперсии

На практике параметры распределения неизвестны, поэтому дисперсию оценивают по выборке. Различают:

  • Несмещённую оценку (дисперсия по выборке): S² = 1/(n−1) Σ (x_i − x̄)², где x̄ — выборочное среднее, n — объём выборки. Знаменатель n−1 (поправка Бесселя) делает оценку несмещённой.
  • Моментную оценку: s² = 1/n Σ (x_i − x̄)² — смещённая, но часто используется как быстрая оценка.

Применение

Дисперсия применяется во многих областях:

  • Статистика и теория вероятностей — как базовая характеристика распределения, входит в определение нормального распределения N(μ, σ²).
  • Анализ данных — для оценки разброса измерений, качества измерительных приборов, стабильности производственных процессов.
  • Финансы — дисперсия доходности актива используется как мера риска (в теории портфеля Гарри Марковица, за что он получил Нобелевскую премию по экономике 1990 года).
  • Машинное обучение — дисперсия используется в анализе главных компонент (PCA), в оценке переобучения моделей (разложение смещение–дисперсия).
  • Физика — для описания флуктуаций измеряемых величин, шума в сигналах.

Дисперсия в теории ошибок

В теории ошибок измерений дисперсия случайной ошибки определяет точность измерения. Сумма дисперсий независимых источников ошибок даёт общую дисперсию погрешности, а её квадратный корень — среднюю квадратическую ошибку измерения. Этот принцип лежит в основе метода наименьших квадратов.

Интересные факты

  • Дисперсия нормального распределения полностью определяет его форму вместе со средним: два нормальных распределения с одинаковыми μ и σ² совпадают.
  • Согласно неравенству Чебышёва, вероятность отклонения величины от среднего более чем на kσ не превышает 1/k² — это справедливо для любого распределения с конечной дисперсией.
  • Дисперсия не всегда существует: для распределения Коши, у которого тяжёлые хвосты, математическое ожидание и дисперсия не определены.

Источники

  • Феллер, В. Введение в теорию вероятностей и её приложения.
  • Камке, Э. Справочник по общей теории вероятностей.
  • Ширяев, А. Н. Вероятность.
  • Статистические методы анализа данных (учебные пособия ведущих российских вузов).
Заметили ошибку или не согласны с информацией в статье? Напишите нам support@bfometr.ru