Одномерные случайные величины: плотности, квантили и вычисление моментов
Содержание курса
Расчет матожидания и дисперсии с проверкой в scipy.integrate.quad
Математическое ожидание задаёт теоретический центр распределения, а дисперсия измеряет разброс вокруг него. Эти характеристики определены, когда соответствующие суммы или интегралы абсолютно сходятся. Для произвольной функции величина в общем случае не равна , поэтому дисперсию рассчитывают строго через моменты самой величины.
В дискретном случае моменты вычисляют взвешиванием значений по вероятностям. Для разобранного ранее примера с числом доставок курьера ( с вероятностями , , ):
Для непрерывного закона суммы переходят в интегралы с плотностью . Возьмём экспоненциальное распределение с плотностью при . Вычислим первый момент интегрированием по частям, выбрав и (откуда ):
На верхней границе при , а в нуле выражение обращается в ноль, поэтому внеинтегральный член исчезает:
Для второго момента положим и :
Тогда теоретическая дисперсия равна:
При интенсивности получаем , и .
Проверим эти интегралы численно с помощью scipy.integrate.quad. Функция возвращает кортеж (result, abserr), где abserr — внутренняя диагностическая оценка ошибки численного алгоритма. Чтобы убедиться в надежности квадратуры для среднего и дисперсии, контролировать нужно диагностические оценки обоих вызовов quad:
import numpy as np
from scipy.integrate import quad
rate = 2.0
def pdf(x):
return rate * np.exp(-rate * x)
def moment_1(x):
return x * pdf(x)
def moment_2(x):
return (x ** 2) * pdf(x)
mean_val, mean_err = quad(moment_1, 0, np.inf)
mom2_val, mom2_err = quad(moment_2, 0, np.inf)
var_val = mom2_val - (mean_val ** 2)
print(f"E[X] quad: {mean_val:.6f}, abserr: {mean_err:.2e}")
print(f"E[X^2] quad: {mom2_val:.6f}, abserr: {mom2_err:.2e}")
print(f"Var(X) quad: {var_val:.6f}")
Вывод программы:
E[X] quad: 0.500000, abserr: 9.20e-10
E[X^2] quad: 0.500000, abserr: 6.82e-11
Var(X) quad: 0.250000
Оба приближения моментов сошлись к аналитическим значениям , дав дисперсию . Диагностические ошибки алгоритма порядка и подтверждают стабильность интегрирования на полупрямой. Однако помните: малый abserr служит индикатором сходимости квадратурной сетки, а не формальной математической гарантией точности полученной разности.
