全部书籍

专业

应用 关于 Coach 登录 开始阅读

书籍暂未推出简体中文版——当前显示 العربية 版。

الرياضيات · 术语表

什么是 العزوم والتباين?

又称: تباين · انحراف معياري · تغاير

تعريف 22.13 الرياضيات الجامعية — السنة 2 · 第 22 章 — المتغيرات العشوائية المتقطعة

نقول إن XX يقبل عزما من الرتبة 2 إذا كان X2X^2 يقبل أملا رياضيا (وعندئذ يقبله XX أيضا، بالهيمنة: ∣X∣≤1+X22\abs X \leq \frac{1 + X^2}{2}). وعندئذ يكون تباينه وانحرافه المعياري

V(X)=E((X−E(X))2)=E(X2)−E(X)2,σ(X)=V(X),V(X) = \E\bigl((X - \E(X))^2\bigr) = \E(X^2) - \E(X)^2 , \qquad \sigma(X) = \sqrt{V(X)} ,

(والصيغة الثانية — وهي صيغة كونيغ–هويغنز — بنشر المربع واستعمال الخطية:

E((X−EX)2)=E(X2−2X EX+E(X)2)=E(X2)−2 E(X)2+E(X)2,\E\bigl((X - \E X)^2\bigr) = \E\bigl(X^2 - 2X\,\E X + \E(X)^2\bigr) = \E(X^2) - 2\,\E(X)^2 + \E(X)^2 ,

مع كون الحد الأوسط ناتجا عن كون EX\E X ثابتا). ومن أجل X,YX, Y ذوي عزوم من الرتبة الثانية، يكون التغاير

Cov⁡(X,Y)=E((X−EX)(Y−EY))=E(XY)−E(X)E(Y).\operatorname{Cov}(X, Y) = \E\bigl((X - \E X)(Y - \E Y)\bigr) = \E(XY) - \E(X)\E(Y) .

示例

مثال 22.16 (غير مترابطين لكن ملتصقين)

نرمي نردين متزنين، XX وYY مستقلين، ونضع S=X+YS = X + Y، D=X−YD = X - Y. وبثنائية خطية التغاير،

Cov⁡(S,D)=V(X)−V(Y)+Cov⁡(Y,X)−Cov⁡(X,Y)=V(X)−V(Y)=0:\operatorname{Cov}(S, D) = V(X) - V(Y) + \operatorname{Cov}(Y, X) - \operatorname{Cov}(X, Y) = V(X) - V(Y) = 0 :

فالمجموع والفرق غير مترابطين. فهل هما مستقلان؟ قطعا لا: إذ يفرض S=12S = 12 أن D=0D = 0، بينما P(D=0)=16\P(D = 0) = \frac16 دون شرط. فالترابط لا يختبر إلا الجزء الخطي من التعلق؛ وهنا يحمل التعلقَ القيدُ القائل إن SS وDD لهما الزوجية نفسها، وهو غير مرئي للتغاير. (ومن أجل هذا الزوج، احتاج انعدام التغاير إلى V(X)=V(Y)V(X) = V(Y): فالتوزيعان المتطابقان، لا الاستقلال، هما اللذان أنجزا العمل.)

مثال 22.17 (متى تكون متراجحة ماركوف مساواة)

تكون متراجحة ماركوف مساواة بالضبط عندما لا يُهدر شيء في الحصر a 1X≥a≤Xa\,\mathbf 1_{X\geq a} \leq X: أي عندما لا يأخذ المتغير إلا القيمتين 00 وaa. وبصورة ملموسة، إذا كان P(X=a)=π\P(X = a) = \pi وP(X=0)=1−π\P(X = 0) = 1 - \pi، فإن E(X)=aπ\E(X) = a\pi و

P(X≥a)=π=E(X)a.\P(X \geq a) = \pi = \frac{\E(X)}{a} .

وقراءة واقعية: ففي مجتمع متوسط الثروة فيه 100100 والثروة إما 00 وإما 10610^6، تكون نسبة أصحاب الملايين هي 10−410^{-4} بالضبط — أي حصر ماركوف، مبلوغا بالضبط بمتراجحة قصوى. وكلما انتشر XX على قيم وسيطة كان الحصر تاما، وغالبا بفارق هائل؛ لكن كما تبين الحالة الحدية، لا يمكن استخراج متراجحة أفضل من المتوسط وحده.

مثال 22.18 (متراجحة تشيبيشيف أمثلية — دون فرضيات إضافية)

نثبّت ε>0\varepsilon > 0، q∈(0, 1]q \in \intoc01، ونجعل XX يأخذ القيمتين ±ε\pm\varepsilon باحتمال q2\frac q2 لكل منهما و00 باحتمال 1−q1 - q. عندئذ E(X)=0\E(X) = 0، V(X)=qε2V(X) = q\varepsilon^2، و

P(∣X−EX∣≥ε)=q=V(X)ε2:\P\bigl(\abs{X - \E X} \geq \varepsilon\bigr) = q = \frac{V(X)}{\varepsilon^2} :

أي التساوي في متراجحة تشيبيشيف. ومنه فلا يمكن تحسين المتراجحة باستعمال التباين وحده — فالتلاشي 1/ε21/\varepsilon^2 هو الثمن المضبوط لمعلومة العزم من الرتبة الثانية. أما التلاشي الأسرع فيتطلب فرضيات أقوى: فحصر المتغير يشتري تركيزا أسيا، كما يستعرض التمرين 22.7 وكما تطوره مسألة نهاية الأسبوع لهذا الفصل منهجيا.

在原文中阅读 ←