Случайные величины X и Y независимы, если знание значения одной ничего не говорит о другой: P(X = x, Y = y) = P(X = x) · P(Y = y) для любых значений. Из случайных величин составляют новые — сумму X + Y, произведение XY; их распределения находят, перебирая пары значений.
Математическое ожидание величины X со значениями x₁, …, x_n и вероятностями p₁, …, p_n — это E(X) = x₁p₁ + x₂p₂ + … + x_np_n, «среднее значение» величины. Для очков на кубике E = (1 + 2 + … + 6)/6 = 3,5. Свойства: E(X + Y) = E(X) + E(Y), E(kX) = kE(X), а для независимых E(XY) = E(X)E(Y). Поэтому сумма очков на двух кубиках в среднем 3,5 + 3,5 = 7.
Дисперсия показывает разброс значений около среднего: D(X) = E((X - E(X))²) = E(X²) - E(X)². Стандартное отклонение σ(X) = √(D(X)) измеряется в тех же единицах, что и сама величина. Свойства: D(X + a) = D(X), D(kX) = k²D(X), а для независимых D(X + Y) = D(X) + D(Y).
Пример. X принимает значения 0, 2, 4 с вероятностями 0,25, 0,5, 0,25. E(X) = 0 + 1 + 1 = 2, E(X²) = 0 + 2 + 4 = 6, D(X) = 6 - 4 = 2, σ = √2.
Испытания Бернулли. Число успехов в одном испытании имеет E = p, D = p - p² = pq. Число успехов в серии из n независимых испытаний — сумма n таких величин, поэтому E = np, D = npq. Например, если монету бросают 100 раз, «орлов» в среднем 50, дисперсия 25, σ = 5.
Закон больших чисел. Среднее арифметическое n независимых одинаково распределённых величин имеет то же ожидание m, а дисперсию в n раз меньше: d/n. При больших n оно почти не отклоняется от m. В частности, частота события в длинной серии опытов близка к его вероятности — так вероятность и «измеряют» на практике.