JAOTUSFUNKTSIOONID MÕÕTEMÄÄRAMATUSED
II vihik - Tartu Ãlikool
II vihik - Tartu Ãlikool
- No tags were found...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.9. Ühetaoliselt jaotunud suuruste summa keskväärtus ja dispersioon<br />
3.9. Ühetaoliselt jaotunud suuruste summa keskväärtus ja dispersioon<br />
Tegelikult on nii keskväärtuse hindamiseks meie poolt kasutusele võetud aritmeetiline keskmine<br />
(7.3) kui ka dispersioonihinnang valemiga (8.2) mõlemad juhuslikud suurused. See tähendab<br />
seda, et kui korraldada korduvaid katseseeriaid, kus igas seerias tehakse N mõõtmist ja<br />
arvutatakse aritmeetiline keskväärtus (7.3), siis saadakse iga kord veidi erinev tulemus.<br />
Analoogiliselt, iga kord tuleb valemist (8.2) veidi erinev dispersiooni väärtus. On intuitiivselt<br />
selge – ja seda kinnitab ka eksperiment, et need erinevused on väikesed ja lähenevad nullile N<br />
kasvades (vastasel juhul ei kehtiks ka piirväärtused (7.4) ja (8.4)), kuid see ei muuda olematuks<br />
tõsiasja, et põhimõtteliselt on nii x N kui D<br />
N<br />
juhuslikud suurused. Et uurida nende statistilisi<br />
omadusi, on otstarbekas käsitleda summadesse (7.3) ja (8.2) minevaid suurusi x<br />
k<br />
sõltumatute,<br />
ühesuguselt jaotunud juhuslike suuruste X<br />
k<br />
realisatsioonidena.<br />
Vaatleme n sõltumatut juhuslikku suurust X k<br />
( k = 1,2,..., N)<br />
, mis on ühesuguse jaotusega<br />
ja järelikult ka ühesuguste arvkarakteristikutega, s.t<br />
m<br />
[ X ] = a, D [ X ] d.<br />
k k<br />
=<br />
Leiame juhuslike suuruste aritmeetilise keskmise<br />
N<br />
X<br />
arvkarakteristikud. Keskväärtuseks saame<br />
=<br />
1<br />
∑<br />
N<br />
X k<br />
N k=<br />
1<br />
⎡ 1<br />
⎢<br />
⎣ N<br />
1<br />
N<br />
N<br />
N<br />
[<br />
N<br />
] = m ∑ X<br />
k<br />
= ∑ m[ X<br />
k<br />
] = = a<br />
m X<br />
⎤<br />
⎥<br />
⎦<br />
k= 1<br />
k=<br />
1<br />
22<br />
Na<br />
N<br />
Dispersiooni arvutus on natuke pikem, kuid annab samuti elegantse tulemuse<br />
2<br />
[ ]<br />
[ ] = m ( X − m[ X ])<br />
D X<br />
⎡⎛<br />
1<br />
= m⎢⎜<br />
⎢⎣<br />
⎝ N<br />
N<br />
∑<br />
i=<br />
1<br />
⎡⎛<br />
1<br />
= m⎢⎜<br />
⎢⎣<br />
⎝ N<br />
⎞<br />
2<br />
⎤<br />
⎥<br />
⎥⎦<br />
1<br />
N<br />
∑<br />
i=<br />
1<br />
⎤ ⎡⎛<br />
1<br />
⎥ = m⎢⎜<br />
⎥⎦<br />
⎢⎣<br />
⎝ N<br />
. (9.1)<br />
( X − m[ X ]) ⎟ = m X X = m X X .<br />
i<br />
i<br />
⎠<br />
2<br />
N<br />
X<br />
⎡<br />
⎢<br />
⎣<br />
i<br />
N<br />
⎞<br />
− a⎟<br />
⎠<br />
N<br />
∑∑<br />
i= 1 j = 1<br />
Kuna juhuslikud suurused on siin vastastikku sõltumatud, siis<br />
Seepärast saame<br />
0<br />
m<br />
⎡<br />
X<br />
⎢⎣<br />
i<br />
[ ]<br />
D X<br />
0<br />
X<br />
j<br />
⎤<br />
⎥⎦<br />
⎧ 0,<br />
= ⎨<br />
⎩d,<br />
N<br />
1<br />
= ∑d<br />
2<br />
N<br />
i=<br />
1<br />
kui<br />
2<br />
kui<br />
0<br />
i<br />
dN<br />
= =<br />
2<br />
N<br />
0<br />
j<br />
⎤<br />
⎥<br />
⎦<br />
i ≠ j,<br />
i = j.<br />
d<br />
N<br />
1<br />
N<br />
N<br />
∑<br />
i=<br />
1<br />
N<br />
X<br />
i<br />
N<br />
∑∑<br />
2<br />
i= 1 j = 1<br />
1<br />
−<br />
N<br />
⎡<br />
⎢⎣<br />
N<br />
∑<br />
i=<br />
1<br />
0<br />
i<br />
⎞<br />
a⎟<br />
⎠<br />
0<br />
j<br />
2<br />
⎤<br />
⎥ =<br />
⎥⎦<br />
⎤<br />
⎥⎦