Математическое ожидание: определение и применение

Математическое ожидание — это фундаментальное понятие теории вероятностей, которое описывает среднее значение случайной величины с учётом вероятности каждого исхода. Концепция возникла в XVII веке из практических задач азартных игр и стала основой для анализа рисков, принятия решений и статистических расчётов. В этой статье разберёмся, как работает математическое ожидание и где оно применяется.

Математическое ожидание (также называемое ожиданием, математической надеждой, средним значением или первым моментом) — это обобщение понятия взвешенного среднего.

Математическое ожидание случайной величины с конечным числом исходов представляет собой взвешенное среднее всех возможных значений. В случае континуума возможных исходов ожидание определяется через интегрирование. В аксиоматическом основании теории вероятностей, предоставленном теорией меры, математическое ожидание задаётся интегралом Лебега.

Математическое ожидание случайной величины X обычно обозначается как E(X), E[X] или EX.

История

Концепция математического ожидания возникла в середине XVII века из «задачи о разделении ставок» — головоломки о справедливом разделении выигрыша между двумя игроками, вынужденными прервать игру. Хотя эта задача обсуждалась веками, новый импульс она получила в 1654 году, когда Шевалье де Мере (Chevalier de Méré), французский писатель и любитель математики, представил её Блезу Паскалю (Blaise Pascal). Мере утверждал, что задача неразрешима и демонстрирует несовершенство математики при её применении к реальному миру.

Паскаль, будучи математиком, решил работать над решением. Он начал обсуждать проблему в серии писем Пьеру де Ферма (Pierre de Fermat). Вскоре оба независимо друг от друга пришли к решению. Хотя их вычислительные методы различались, результаты совпадали, так как оба основывались на одном принципе: стоимость будущего выигрыша должна быть прямо пропорциональна вероятности его получения. Они были весьма довольны совпадением результатов, но не опубликовали свои находки, поделившись ими лишь с узким кругом парижских коллег.

Голландский математик Христиан Гюйгенс (Christiaan Huygens) рассмотрел эту задачу в своей работе и предложил решение на основе того же принципа. Его трактат «De ratiociniis in ludo aleæ» был опубликован в 1657 году после визита в Париж. Книга расширила концепцию ожидания, добавив правила для более сложных ситуаций (например, для трёх и более игроков) и считается первой успешной попыткой заложить основы теории вероятностей.

В XIX веке Пафнутий Чебышев (Pafnuty Chebyshev) первым начал систематически мыслить в терминах математических ожиданий случайных величин.

Этимология

Ни Паскаль, ни Гюйгенс не использовали термин «ожидание» в современном смысле. Позже, в 1814 году, Пьер-Симон Лаплас (Pierre-Simon Laplace) опубликовал трактат «Théorie analytique des probabilités», где концепция математического ожидания была определена явно как произведение ожидаемой суммы на вероятность её получения.

Обозначения

Использование буквы E для обозначения математического ожидания восходит к У. А. Уайтворту (W. A. Whitworth) в 1901 году. В немецкой литературе используется Erwartungswert, в испанской — esperanza matemática, во французской — espérance mathématique. В русскоязычной литературе часто используется обозначение M(X).

Определение

Существует несколько способов определения математического ожидания в зависимости от контекста. Простейшее определение касается случая конечного числа возможных исходов, например при бросании монеты.

Случайные величины с конечным числом исходов

Для случайной величины X с конечным списком возможных исходов x₁, …, xₖ, каждый из которых имеет вероятность p₁, …, pₖ, математическое ожидание определяется как взвешенное среднее:

E[X] = x₁p₁ + x₂p₂ + … + xₖpₖ

Поскольку вероятности должны суммироваться к единице, естественно интерпретировать E[X] как взвешенное среднее значений xᵢ с весами pᵢ.

Примеры

При бросании честной шестигранной кости каждый исход (1, 2, 3, 4, 5, 6) имеет вероятность 1/6. Математическое ожидание равно 3,5. При многократном бросании среднее арифметическое результатов почти наверняка сходится к этому значению — это следует из закона больших чисел.

В рулетке при ставке в $1 на одно число вероятность выигрыша составляет 1/38, выигрыш равен $35. Математическое ожидание выигрыша равно −$1/19, то есть в среднем игрок теряет примерно $10 на каждые 190 ставок.

Случайные величины со счётно-бесконечным числом исходов

Для случайной величины со счётно-бесконечным множеством возможных исходов математическое ожидание определяется аналогично:

E[X] = Σ xᵢpᵢ (сумма от i=1 до ∞)

Однако при работе с бесконечными суммами возникают тонкости. Теорема Римана о рядах показывает, что значение некоторых бесконечных сумм зависит от порядка слагаемых. Поэтому в математических текстах обычно требуется абсолютная сходимость суммы.

Случайные величины с плотностью распределения

Для случайной величины X с функцией плотности вероятности f(x) математическое ожидание определяется интегралом:

E[X] = ∫ xf(x)dx (интеграл от −∞ до ∞)

Произвольные вещественные случайные величины

Все определения математического ожидания могут быть выражены на языке теории меры. Если X — вещественная случайная величина на вероятностном пространстве (Ω, Σ, P), то математическое ожидание определяется как интеграл Лебега:

E[X] = ∫ X dP

Это определение охватывает все предыдущие случаи как частные случаи.

Бесконечные математические ожидания

В некоторых случаях полезно рассматривать математические ожидания, равные ±∞. Например, в парадоксе Санкт-Петербурга случайная величина имеет возможные исходы 2ⁱ с вероятностями 2⁻ⁱ, что приводит к бесконечному математическому ожиданию.

Для произвольной случайной величины X можно определить её положительную и отрицательную части: X⁺ = max(X, 0) и X⁻ = max(−X, 0). Тогда:

E[X] = E[X⁺] − E[X⁻]

если оба слагаемых конечны. В противном случае ожидание может быть +∞, −∞ или не определено.

Формула хвостовых вероятностей

Для неотрицательной целочисленной случайной величины X:

E[X] = Σ P(X > k) (сумма от k=0 до ∞)

Более общая версия для любой неотрицательной случайной величины:

E[X] = ∫ P(X > t) dt (интеграл от 0 до ∞)

Свойства

Математическое ожидание обладает следующими основными свойствами:

**Неотрицательность**: если X ≥ 0 почти наверное, то E[X] ≥ 0.

**Линейность**: оператор ожидания линеен:

• E[X + Y] = E[X] + E[Y]
• E[aX] = aE[X]

Это означает, что математическое ожидание суммы конечного числа случайных величин равно сумме их математических ожиданий.

**Монотонность**: если X ≤ Y почти наверное и оба ожидания существуют, то E[X] ≤ E[Y].

**Неделимость**: если E[|X|] = 0, то X = 0 почти наверное.

**Константность**: если X = c почти наверное для некоторой константы c, то E[X] = c.

**Неумножаемость**: в общем случае E[XY] ≠ E[X]·E[Y]. Однако если X и Y независимы, то E[XY] = E[X]·E[Y].

**Закон ленивого статистика**: если X имеет функцию плотности f(x), то для измеримой функции g:

E[g(X)] = ∫ g(x)f(x)dx

Неравенства

**Неравенство Маркова**: для неотрицательной случайной величины X и положительного числа a:

P(X ≥ a) ≤ E[X]/a

**Неравенство Чебышева**: для случайной величины с конечным ожиданием:

P(|X − E[X]| ≥ a) ≤ Var[X]/a²

где Var — дисперсия.

**Неравенство Йенсена**: если f — выпуклая функция и X имеет конечное ожидание, то:

f(E[X]) ≤ E[f(X)]

**Неравенство Гёльдера**: если p > 1 и q > 1 такие, что 1/p + 1/q = 1, то:

E|XY| ≤ (E|X|ᵖ)^(1/p) · (E|Y|ᵍ)^(1/q)

**Неравенство Минковского**: для p ≥ 1:

(E|X + Y|ᵖ)^(1/p) ≤ (E|X|ᵖ)^(1/p) + (E|Y|ᵖ)^(1/p)

Сходимость случайных величин

В общем случае нельзя переставлять предел и математическое ожидание без дополнительных условий. Существует несколько теорем, которые позволяют это делать:

**Теорема о монотонной сходимости**: если последовательность случайных величин монотонно возрастает и сходится поточечно, то предел математических ожиданий равен математическому ожиданию предела.

**Лемма Фату**: для последовательности неотрицательных случайных величин:

E[lim inf Xₙ] ≤ lim inf E[Xₙ]

**Теорема о доминируемой сходимости**: если последовательность случайных величин сходится поточечно, ограничена по модулю интегрируемой функцией, то предел математических ожиданий равен математическому ожиданию предела.

Применения

Математическое ожидание широко используется в различных областях:

В **статистике** выборочное среднее служит оценкой математического ожидания и является несмещённой оценкой.

В **теории решений** агент, принимающий оптимальное решение при неполной информации, часто максимизирует математическое ожидание своей функции полезности.

В **классической механике** центр масс является аналогом математического ожидания.

Математическое ожидание используется для вычисления **дисперсии** по формуле:

Var(X) = E[X²] − (E[X])²

В **квантовой механике** математическое ожидание оператора Â на квантовом состоянии |ψ⟩ записывается как:

⟨Â⟩ = ⟨ψ|Â|ψ⟩

В **методе Монте-Карло** большинство величин, представляющих интерес, можно выразить через математическое ожидание, что позволяет оценивать их численно через повторные выборки.

Что такое математическое ожидание и как его вычислить