Чтобы найти дисперсию \(D(X)\) и стандартное отклонение \(G(X)\) случайной величины \(X\), мы последовательно проведем следующие шаги:
Шаг 1: Определить математическое ожидание \(E(X)\)
Математическое ожидание рассчитывается по формуле:
\[ E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i) \]
где \(x_i\) — значение случайной величины, а \(P(x_i)\) — соответствующая вероятность.
Подставим наши данные:
\[ x_1 = 1, \, P(x_1) = 0.03 \\ x_2 = 2, \, P(x_2) = 0.4 \\ x_3 = 3, \, P(x_3) = 0.01 \\ x_4 = 4, \, P(x_4) = 0.25 \\ x_5 = 5, \, P(x_5) = 0.17 \\ x_6 = 6, \, P(x_6) = 0.1 \\ x_7 = 7, \, P(x_7) = 0.04 \]
Теперь рассчитываем \(E(X)\):
\[ E(X) = 1 \cdot 0.03 + 2 \cdot 0.4 + 3 \cdot 0.01 + 4 \cdot 0.25 + 5 \cdot 0.17 + 6 \cdot 0.1 + 7 \cdot 0.04 \]
Теперь подставим значения и посчитаем:
\[ E(X) = 0.03 + 0.8 + 0.03 + 1 + 0.85 + 0.6 + 0.28 = 3.59 \]
Шаг 2: Найти дисперсию \(D(X)\)
Дисперсия рассчитывается по формуле:
\[ D(X) = E(X^2) - (E(X))^2 \]
Сначала нам нужно найти \(E(X^2)\):
\[ E(X^2) = \sum_{i=1}^{n} x_i^2 \cdot P(x_i) \]
Посчитаем \(E(X^2)\):
\[ E(X^2) = 1^2 \cdot 0.03 + 2^2 \cdot 0.4 + 3^2 \cdot 0.01 + 4^2 \cdot 0.25 + 5^2 \cdot 0.17 + 6^2 \cdot 0.1 + 7^2 \cdot 0.04 \]
Работая с этим:
\[ E(X^2) = 0.03 + 4 \cdot 0.4 + 0.03 + 16 \cdot 0.25 + 25 \cdot 0.17 + 36 \cdot 0.1 + 49 \cdot 0.04 \]
Теперь считаем значения:
\[ E(X^2) = 0.03 + 1.6 + 0.03 + 4 + 4.25 + 3.6 + 1.96 = 15.47 \]
Теперь подставим в формулу для дисперсии:
\[ D(X) = E(X^2) - (E(X))^2 = 15.47 - (3.59)^2 \]
Считаем \((3.59)^2\):
\[ (3.59)^2 \approx 12.8881 \]
Теперь подставим значение:
\[ D(X) = 15.47 - 12.8881 \approx 2.5819 \]
Шаг 3: Найти стандартное отклонение \(G(X)\)
Стандартное отклонение вычисляется как корень квадратный из дисперсии:
\[ G(X) = \sqrt{D(X)} = \sqrt{2.5819} \approx 1.607 \]
Окончательный ответ
Теперь округлим значения до сотых:
- \(D(X) \approx 2.58\)
- \(G(X) \approx 1.61\)
Таким образом, ответы:
\[ D(X) = 2.58 \\ G(X) = 1.61 \]