Kako odrediti očekivanje mat. Očekivanje kontinuirane slučajne varijable

– broj dječaka među 10 novorođenčadi.

Apsolutno je jasno da ovaj broj nije poznat unaprijed, a sljedećih deset rođenih djece može uključivati:

Ili momci - jedan i jedini od navedenih opcija.

I, kako biste ostali u formi, malo fizičkog vaspitanja:

– daljina skoka u dalj (u nekim jedinicama).

Ni majstor sporta to ne može predvidjeti :)

Međutim, vaše hipoteze?

2) Kontinuirana slučajna varijabla – prihvata Sve numeričke vrijednosti iz nekog konačnog ili beskonačnog intervala.

Bilješka : u obrazovnoj literaturi popularne su skraćenice DSV i NSV

Prvo, analizirajmo diskretnu slučajnu varijablu, a zatim - kontinuirano.

Zakon distribucije diskretne slučajne varijable

- Ovo dopisivanje između mogućih vrijednosti ove veličine i njihovih vjerovatnoća. Zakon je najčešće zapisan u tabeli:

Termin se često pojavljuje red distribucija, ali u nekim situacijama zvuči dvosmisleno, pa ću se držati "zakona".

I sada veoma važna tačka: od slučajne varijable Nužnoće prihvatiti jedna od vrednosti, zatim se formiraju odgovarajući događaji puna grupa a zbir vjerovatnoća njihovog pojavljivanja jednak je jedan:

ili, ako je napisano sažeto:

Tako, na primjer, zakon raspodjele vjerovatnoće bodova bačenih na kockicu ima sljedeći oblik:

Bez komentara.

Možda ste pod utiskom da diskretna slučajna varijabla može poprimiti samo “dobre” vrijednosti cijelih brojeva. Razbijmo iluziju - mogu biti bilo šta:

Primjer 1

Neka igra ima sljedeći pobjednički zakon distribucije:

...o takvim zadacima vjerovatno ste dugo sanjali :) Odaću vam tajnu - i ja. Pogotovo nakon završetka radova teorija polja.

Rješenje: budući da slučajna varijabla može uzeti samo jednu od tri vrijednosti, formiraju se odgovarajući događaji puna grupa, što znači da je zbir njihovih vjerovatnoća jednak jedan:

Razotkrivanje "partizana":

– dakle, vjerovatnoća osvajanja konvencionalnih jedinica je 0,4.

Kontrola: to je ono u šta smo trebali da se uverimo.

Odgovori:

Nije neuobičajeno kada trebate sami sastaviti zakon o raspodjeli. Za to koriste klasična definicija vjerovatnoće, teoreme množenja/sabiranja za vjerovatnoće događaja i drugi čips tervera:

Primjer 2

Kutija sadrži 50 lutrijskih listića, među kojima je 12 dobitnih, a 2 od njih osvajaju po 1000 rubalja, a ostale - po 100 rubalja. Sastavite zakon za raspodjelu slučajne varijable - veličine dobitka, ako se iz kutije nasumično izvuče jedan listić.

Rješenje: kao što ste primijetili, vrijednosti slučajne varijable se obično stavljaju u u rastućem redosledu. Stoga počinjemo s najmanjim dobicima, odnosno rubalja.

Ukupno ima 50 takvih karata - 12 = 38, a prema klasična definicija:
– vjerovatnoća da će nasumično izvučena karta biti gubitnik.

U ostalim slučajevima sve je jednostavno. Vjerovatnoća osvajanja rublja je:

Provjerite: – a ovo je posebno prijatan trenutak takvih zadataka!

Odgovori: željeni zakon raspodjele dobitka:

Sljedeći zadatak morate riješiti sami:

Primjer 3

Vjerovatnoća da će strijelac pogoditi metu je . Nacrtajte zakon raspodjele za slučajnu varijablu - broj pogodaka nakon 2 hica.

...znala sam da ti nedostaje :) Da se prisjetimo teoreme množenja i sabiranja. Rješenje i odgovor nalaze se na kraju lekcije.

Zakon distribucije u potpunosti opisuje slučajnu varijablu, ali u praksi može biti korisno (a ponekad i korisnije) znati samo dio nje numeričke karakteristike .

Očekivanje diskretne slučajne varijable

Jednostavno rečeno, ovo je prosječna očekivana vrijednost kada se testiranje ponavlja mnogo puta. Neka slučajna varijabla uzima vrijednosti sa vjerovatnoćama respektivno. Tada je matematičko očekivanje ove slučajne varijable jednako zbir proizvoda sve njegove vrijednosti na odgovarajuće vjerovatnoće:

ili srušeno:

Izračunajmo, na primjer, matematičko očekivanje slučajne varijable - broj bodova bačenih na kockicu:

Sada se prisjetimo naše hipotetičke igre:

Postavlja se pitanje da li je uopšte isplativo igrati ovu igru? ...ko ima utisaka? Dakle, ne možete to reći "iz ruke"! Ali na ovo pitanje se lako može odgovoriti izračunavanjem matematičkog očekivanja, u suštini - prosjećna težina po vjerovatnoći pobjede:

Dakle, matematičko očekivanje ove igre gubljenje.

Ne vjerujte svojim utiscima - vjerujte brojevima!

Da, ovdje možete pobijediti 10 ili čak 20-30 puta uzastopno, ali na duge staze čeka nas neizbježna propast. I ne bih ti savjetovao da igraš takve igrice :) Pa, možda samo za zabavu.

Iz svega navedenog proizilazi da matematičko očekivanje više nije RANDOM vrijednost.

Kreativni zadatak za samostalno istraživanje:

Primjer 4

G. X igra evropski rulet koristeći sledeći sistem: on stalno kladi 100 rubalja na „crveno“. Nacrtajte zakon raspodjele slučajne varijable - njenog dobitka. Izračunajte matematičko očekivanje dobitaka i zaokružite ga na najbližu kopejku. Koliko prosjek Da li igrač gubi na svakih sto u koje je uložio?

Referenca : Evropski rulet sadrži 18 crvenih, 18 crnih i 1 zeleni sektor (“nula”). Ako se pojavi „crveno“, igraču se plaća dupla opklada, u suprotnom ide u prihod kasina

Postoje mnogi drugi sistemi ruleta za koje možete kreirati sopstvene tabele verovatnoće. Ali to je slučaj kada nam nisu potrebni nikakvi zakoni distribucije ili tabele, jer je sigurno utvrđeno da će matematička očekivanja igrača biti potpuno ista. Jedina stvar koja se mijenja od sistema do sistema je

Svaka pojedinačna vrijednost je u potpunosti određena svojom funkcijom distribucije. Također, za rješavanje praktičnih problema dovoljno je poznavati nekoliko numeričkih karakteristika, zahvaljujući kojima postaje moguće predstaviti glavne karakteristike slučajne varijable u kratkom obliku.

Ove količine uključuju prvenstveno očekivanu vrijednost I disperzija .

Očekivana vrijednost— prosječna vrijednost slučajne varijable u teoriji vjerovatnoće. Označeno kao .

Na najjednostavniji način, matematičko očekivanje slučajne varijable X(w), pronađite kako integralLebesgue u odnosu na mjeru vjerovatnoće R original prostor vjerovatnoće

Također možete pronaći matematičko očekivanje vrijednosti kao Lebesgueov integral od X po distribuciji vjerovatnoće R X količine X:

gdje je skup svih mogućih vrijednosti X.

Matematičko očekivanje funkcija od slučajne varijable X pronađeno kroz distribuciju R X. Na primjer, Ako X- slučajna varijabla sa vrijednostima u i f(x)- nedvosmisleno Borel'sfunkcija X , To:

Ako F(x)- funkcija distribucije X, tada je matematičko očekivanje reprezentativno integralLebesgue - Stieltjes (ili Riemann - Stieltjes):

u ovom slučaju integrabilnost X U smislu ( * ) odgovara konačnosti integrala

U posebnim slučajevima, ako X ima diskretnu distribuciju sa vjerojatnim vrijednostima x k, k=1, 2, . , i vjerovatnoće, onda

Ako X ima apsolutno kontinuiranu distribuciju sa gustinom vjerovatnoće p(x), To

u ovom slučaju, postojanje matematičkog očekivanja je ekvivalentno apsolutnoj konvergenciji odgovarajuće serije ili integrala.

Svojstva matematičkog očekivanja slučajne varijable.

• Matematičko očekivanje konstantne vrijednosti jednako je ovoj vrijednosti:

C- konstantan;

• M=C.M[X]

• Matematičko očekivanje zbira nasumično uzetih vrijednosti jednako je zbroju njihovih matematičkih očekivanja:

• Matematičko očekivanje proizvoda nezavisnih nasumično uzetih varijabli = proizvod njihovih matematičkih očekivanja:

M=M[X]+M[Y]

Ako X I Y nezavisni.

ako se niz konvergira:

Algoritam za izračunavanje matematičkog očekivanja.

Svojstva diskretnih slučajnih varijabli: sve njihove vrijednosti mogu se prenumerisati prirodnim brojevima; svakoj vrijednosti dodijeliti vjerovatnoću različitu od nule.

1. Pomnožite parove jedan po jedan: x i on p i.

2. Dodajte proizvod svakog para x i p i.

Na primjer, Za n = 4 :

Funkcija distribucije diskretne slučajne varijable postupno, naglo raste u onim tačkama čije vjerovatnoće imaju pozitivan predznak.

primjer: Nađite matematičko očekivanje koristeći formulu.

Očekivanje je distribucija vjerovatnoće slučajne varijable

Matematičko očekivanje, definicija, matematičko očekivanje diskretnih i kontinuiranih slučajnih varijabli, uzorak, uslovno očekivanje, proračun, svojstva, problemi, procjena očekivanja, disperzija, funkcija distribucije, formule, primjeri proračuna

Proširite sadržaj

Sažmi sadržaj

Matematičko očekivanje je definicija

Jedan od najvažnijih koncepata u matematičkoj statistici i teoriji vjerojatnosti, koji karakterizira distribuciju vrijednosti ili vjerovatnoće slučajne varijable. Obično se izražava kao ponderisani prosjek svih mogućih parametara slučajne varijable. Široko se koristi u tehničkoj analizi, proučavanju nizova brojeva i proučavanju kontinuiranih i dugotrajnih procesa. Važan je u procjeni rizika, predviđanju indikatora cijena pri trgovanju na finansijskim tržištima, a koristi se u razvoju strategija i metoda taktike igara na sreću u teoriji kockanja.

Matematičko očekivanje je prosječna vrijednost slučajne varijable, distribucija vjerovatnoće slučajne varijable se razmatra u teoriji vjerovatnoće.

Matematičko očekivanje je mjera prosječne vrijednosti slučajne varijable u teoriji vjerovatnoće. Očekivanje slučajne varijable x označeno sa M(x).

Matematičko očekivanje je

Matematičko očekivanje je u teoriji vjerovatnoće, ponderisani prosjek svih mogućih vrijednosti koje slučajna varijabla može uzeti.

Matematičko očekivanje je zbir proizvoda svih mogućih vrijednosti slučajne varijable i vjerovatnoće tih vrijednosti.

Matematičko očekivanje je prosječnu korist od određene odluke, pod uslovom da se takva odluka može razmatrati u okviru teorije velikih brojeva i velike udaljenosti.

Matematičko očekivanje je u teoriji kockanja, iznos dobitka koji igrač može zaraditi ili izgubiti, u prosjeku, za svaku opkladu. U kockarskom jeziku, ovo se ponekad naziva "ivica igrača" (ako je pozitivna za igrača) ili "ivica kuće" (ako je negativna za igrača).

Matematičko očekivanje je procenat profita po pobedi pomnožen prosečnim profitom, minus verovatnoća gubitka pomnožena sa prosečnim gubitkom.

Matematičko očekivanje slučajne varijable u matematičkoj teoriji

Jedna od važnih numeričkih karakteristika slučajne varijable je njeno matematičko očekivanje. Hajde da uvedemo koncept sistema slučajnih varijabli. Razmotrimo skup slučajnih varijabli koje su rezultati istog slučajnog eksperimenta. Ako je jedna od mogućih vrijednosti sistema, onda događaj odgovara određenoj vjerovatnoći koja zadovoljava Kolmogorovljeve aksiome. Funkcija definirana za sve moguće vrijednosti slučajnih varijabli naziva se zajednički zakon distribucije. Ova funkcija vam omogućava da izračunate vjerovatnoće bilo kojeg događaja iz. Konkretno, zajednički zakon raspodjele slučajnih varijabli i, koji uzimaju vrijednosti iz skupa i, dat je vjerovatnoćama.

Termin "matematičko očekivanje" uveo je Pierre Simon Marquis de Laplace (1795) i dolazi od koncepta "očekivana vrijednost dobitka", koji se prvi put pojavio u 17. stoljeću u teoriji kockanja u djelima Blaisea Pascal-a i Christiaana. Huygens. Međutim, prvo potpuno teorijsko razumijevanje i ocjenu ovog koncepta dao je Pafnuti Lvovič Čebišev (sredina 19. stoljeća).

Zakon distribucije slučajnih numeričkih varijabli (funkcija distribucije i red raspodjele ili gustina vjerovatnoće) u potpunosti opisuje ponašanje slučajne varijable. Ali u nizu problema dovoljno je poznavati neke numeričke karakteristike veličine koja se proučava (na primjer, njenu prosječnu vrijednost i moguće odstupanje od nje) da bi se odgovorilo na postavljeno pitanje. Glavne numeričke karakteristike slučajnih varijabli su matematičko očekivanje, varijansa, mod i medijan.

Matematičko očekivanje diskretne slučajne varijable je zbir proizvoda njenih mogućih vrijednosti i njihovih odgovarajućih vjerojatnosti. Ponekad se matematičko očekivanje naziva ponderisanim prosjekom, jer je približno jednako aritmetičkoj sredini promatranih vrijednosti slučajne varijable u velikom broju eksperimenata. Iz definicije matematičkog očekivanja proizilazi da njegova vrijednost nije manja od najmanje moguće vrijednosti slučajne varijable i ne veća od najveće. Matematičko očekivanje slučajne varijable je neslučajna (konstantna) varijabla.

Matematičko očekivanje ima jednostavno fizičko značenje: ako stavite jediničnu masu na pravu liniju, stavite određenu masu u neke tačke (za diskretnu distribuciju) ili je "razmažete" određenom gustinom (za apsolutno kontinuiranu distribuciju) , tada će tačka koja odgovara matematičkom očekivanju biti koordinata "centar gravitacije" ravna.

Prosječna vrijednost slučajne varijable je određeni broj koji je, takoreći, njen „predstavnik“ i zamjenjuje ga u približno približnim proračunima. Kada kažemo: "prosječno vrijeme rada lampe je 100 sati" ili "prosječna tačka udara je pomjerena u odnosu na metu za 2 m udesno", ukazujemo na određenu numeričku karakteristiku slučajne varijable koja opisuje njenu lokaciju. na numeričkoj osi, tj. "karakteristike položaja".

Od karakteristika pozicije u teoriji vjerovatnoće, najvažniju ulogu igra matematičko očekivanje slučajne varijable, koje se ponekad naziva jednostavno prosječnom vrijednošću slučajne varijable.

Uzmite u obzir slučajnu varijablu X, sa mogućim vrijednostima x1, x2, …, xn sa vjerovatnoćama p1, p2, …, pn. Moramo nekim brojem okarakterizirati položaj vrijednosti slučajne varijable na x-osi, uzimajući u obzir činjenicu da te vrijednosti imaju različite vjerovatnoće. U tu svrhu, prirodno je koristiti takozvani „ponderisani prosek“ vrednosti xi, a svaku vrijednost xi tokom usrednjavanja treba uzeti u obzir sa “težinom” proporcionalnom vjerovatnoći ove vrijednosti. Stoga ćemo izračunati prosjek slučajne varijable X, koje označavamo M |X|:

Ovaj ponderisani prosjek naziva se matematičko očekivanje slučajne varijable. Tako smo uveli u razmatranje jedan od najvažnijih koncepata teorije vjerovatnoće – koncept matematičkog očekivanja. Matematičko očekivanje slučajne varijable je zbir proizvoda svih mogućih vrijednosti slučajne varijable i vjerovatnoća tih vrijednosti.

Neka se proizvede N nezavisni eksperimenti, u svakom od kojih vrijednost X poprima određenu vrijednost. Pretpostavimo da je vrijednost x1 pojavio m1 vremena, vrijednost x2 pojavio m2 vremena, opšte značenje xi pojavio mi se puta. Izračunajmo aritmetičku sredinu uočenih vrijednosti vrijednosti X, koja je, za razliku od matematičkog očekivanja M|X| označavamo M*|X|:

Sa povećanjem broja eksperimenata N frekvencije piće se približiti (konvergirati u vjerovatnoći) odgovarajućim vjerovatnoćama. Posljedično, aritmetička sredina promatranih vrijednosti slučajne varijable M|X| sa povećanjem broja eksperimenata će se približiti (konvergirati u vjerovatnoći) svom matematičkom očekivanju. Gore formulisana veza između aritmetičke sredine i matematičkog očekivanja čini sadržaj jednog od oblika zakona velikih brojeva.

Već znamo da svi oblici zakona velikih brojeva navode činjenicu da su neki prosjeci stabilni u velikom broju eksperimenata. Ovdje govorimo o stabilnosti aritmetičke sredine iz serije opažanja iste veličine. Uz mali broj eksperimenata, aritmetička sredina njihovih rezultata je slučajna; s dovoljnim povećanjem broja eksperimenata, postaje "gotovo neslučajan" i, stabilizirajući se, približava se konstantnoj vrijednosti - matematičkom očekivanju.

Stabilnost prosjeka u velikom broju eksperimenata može se lako eksperimentalno provjeriti. Na primjer, kada vagamo tijelo u laboratoriju na preciznoj vagi, kao rezultat vaganja svaki put dobijamo novu vrijednost; Da bismo smanjili grešku u promatranju, tijelo izmjerimo nekoliko puta i koristimo aritmetičku sredinu dobivenih vrijednosti. Lako je uočiti da daljim povećanjem broja eksperimenata (vaganja) aritmetička sredina sve manje reaguje na to povećanje i, uz dovoljno veliki broj eksperimenata, praktično prestaje da se menja.

Treba napomenuti da najvažnija karakteristika položaja slučajne varijable - matematičko očekivanje - ne postoji za sve slučajne varijable. Moguće je sastaviti primjere takvih slučajnih varijabli za koje matematičko očekivanje ne postoji, jer se odgovarajući zbir ili integral divergiraju. Međutim, takvi slučajevi nisu od značajnog interesa za praksu. Tipično, slučajne varijable s kojima se bavimo imaju ograničen raspon mogućih vrijednosti i, naravno, imaju matematička očekivanja.

Pored najvažnijih karakteristika položaja slučajne varijable - matematičkog očekivanja - u praksi se ponekad koriste i druge karakteristike pozicije, a posebno mod i medijan slučajne varijable.

Mod slučajne varijable je njena najvjerovatnija vrijednost. Izraz "najvjerovatnija vrijednost" striktno govoreći primjenjuje se samo na diskontinuirane količine; za kontinuiranu količinu, mod je vrijednost pri kojoj je gustina vjerovatnoće maksimalna. Slike pokazuju način rada za diskontinuirane i kontinuirane slučajne varijable, respektivno.

Ako poligon distribucije (kriva distribucije) ima više od jednog maksimuma, distribucija se naziva "multimodalna".

Ponekad postoje distribucije koje imaju minimum u sredini, a ne maksimum. Takve distribucije se nazivaju „antimodalne“.

U opštem slučaju, mod i matematičko očekivanje slučajne varijable se ne poklapaju. U konkretnom slučaju, kada je distribucija simetrična i modalna (tj. ima mod) i postoji matematičko očekivanje, onda se ono poklapa sa modom i centrom simetrije distribucije.

Često se koristi još jedna karakteristika pozicije - takozvani medijan slučajne varijable. Ova karakteristika se obično koristi samo za kontinuirane slučajne varijable, iako se formalno može definirati za diskontinuiranu varijablu. Geometrijski gledano, medijana je apscisa tačke u kojoj je područje zatvoreno krivom raspodjele podijeljeno na pola.

U slučaju simetrične modalne distribucije, medijana se poklapa sa matematičkim očekivanjem i modom.

Matematičko očekivanje je prosječna vrijednost slučajne varijable - numerička karakteristika distribucije vjerovatnoće slučajne varijable. Na najopštiji način, matematičko očekivanje slučajne varijable X(w) je definisan kao Lebesgueov integral u odnosu na mjeru vjerovatnoće R u izvornom prostoru vjerovatnoće:

Matematičko očekivanje se takođe može izračunati kao Lebesgueov integral od X distribucijom vjerovatnoće px količine X:

Koncept slučajne varijable sa beskonačnim matematičkim očekivanjem može se definirati na prirodan način. Tipičan primjer su vremena povratka nekih nasumičnih šetnji.

Koristeći matematičko očekivanje, određuju se mnoge numeričke i funkcionalne karakteristike distribucije (kao matematičko očekivanje odgovarajućih funkcija slučajne varijable), na primjer, generirajuća funkcija, karakteristična funkcija, momenti bilo kojeg reda, posebno disperzija, kovarijanca .

Matematičko očekivanje je karakteristika lokacije vrijednosti slučajne varijable (prosječne vrijednosti njene distribucije). U tom svojstvu, matematičko očekivanje služi kao neki „tipični“ parametar distribucije i njegova uloga je slična ulozi statičkog momenta – koordinate težišta distribucije mase – u mehanici. Od ostalih karakteristika lokacije uz pomoć kojih se distribucija opisuje općenito - medijana, modova, matematičko očekivanje se razlikuje po većoj vrijednosti koju ono i odgovarajuća karakteristika raspršenja - disperzija - imaju u graničnim teoremama teorije vjerovatnoće. Značenje matematičkog očekivanja najpotpunije otkriva zakon velikih brojeva (Čebiševljeva nejednakost) i pojačani zakon velikih brojeva.

Očekivanje diskretne slučajne varijable

Neka postoji neka slučajna varijabla koja može uzeti jednu od nekoliko numeričkih vrijednosti (na primjer, broj bodova pri bacanju kocke može biti 1, 2, 3, 4, 5 ili 6). Često se u praksi, za takvu vrijednost, postavlja pitanje: koju vrijednost uzima "u prosjeku" s velikim brojem testova? Koliki će biti naš prosječni prihod (ili gubitak) od svake od rizičnih transakcija?

Recimo da postoji neka vrsta lutrije. Želimo da shvatimo da li je isplativo ili ne učestvovati u tome (ili čak učestvovati više puta, redovno). Recimo da je svaka četvrta karta pobjednička, nagrada će biti 300 rubalja, a cijena bilo koje karte će biti 100 rubalja. Uz beskonačno veliki broj učešća, evo šta se dešava. U tri četvrtine slučajeva ćemo izgubiti, svaka tri gubitka koštat će 300 rubalja. U svakom četvrtom slučaju dobit ćemo 200 rubalja. (nagrada minus trošak), to jest, za četiri učešća gubimo u prosjeku 100 rubalja, za jedno - u prosjeku 25 rubalja. Ukupno, prosječna cijena naše ruševine bit će 25 rubalja po karti.

Bacamo kockice. Ako nije varanje (bez pomeranja centra gravitacije, itd.), koliko ćemo onda u proseku imati poena u jednom trenutku? Pošto je svaka opcija jednako vjerovatna, jednostavno uzimamo aritmetičku sredinu i dobijemo 3,5. Pošto je ovo PROSEK, nema potrebe da se ljutite što ni jedno konkretno bacanje neće dati 3,5 poena - pa ova kocka nema lice sa takvim brojem!

Sada da sumiramo naše primjere:

Pogledajmo upravo datu sliku. Na lijevoj strani je tabela distribucije slučajne varijable. Vrijednost X može uzeti jednu od n mogućih vrijednosti (prikazano u gornjem redu). Ne može postojati nikakva druga značenja. Ispod svake moguće vrijednosti, njena vjerovatnoća je upisana ispod. Desno je formula, gdje se M(X) naziva matematičko očekivanje. Značenje ove vrijednosti je da će s velikim brojem testova (sa velikim uzorkom) prosječna vrijednost težiti istom matematičkom očekivanju.

Vratimo se ponovo na istu kocku za igru. Matematičko očekivanje broja poena pri bacanju je 3,5 (izračunajte sami koristeći formulu ako mi ne vjerujete). Recimo da ste ga bacili nekoliko puta. Rezultati su bili 4 i 6. Prosek je bio 5, što je daleko od 3,5. Bacili su ga još jednom, dobili su 3, odnosno u prosjeku (4 + 6 + 3)/3 = 4,3333... Nekako daleko od matematičkog očekivanja. Sada napravite ludi eksperiment - okrenite kocku 1000 puta! A čak i da prosek nije tačno 3,5, biće blizu toga.

Izračunajmo matematičko očekivanje za gore opisanu lutriju. Ploča će izgledati ovako:

Tada će matematičko očekivanje biti, kao što smo gore utvrdili:

Druga stvar je da bi to bilo „na prste“, bez formule, bilo teško da postoji više opcija. Pa, recimo da bi bilo 75% izgubljenih tiketa, 20% dobitnih tiketa i 5% posebno dobitnih.

Sada neka svojstva matematičkog očekivanja.

Lako je dokazati:

Konstantni faktor se može uzeti kao znak matematičkog očekivanja, odnosno:

Ovo je poseban slučaj svojstva linearnosti matematičkog očekivanja.

Još jedna posljedica linearnosti matematičkog očekivanja:

odnosno matematičko očekivanje zbira slučajnih varijabli jednako je zbiru matematičkih očekivanja slučajnih varijabli.

Neka su X, Y nezavisne slučajne varijable, Zatim:

Ovo je takođe lako dokazati) Rad XY sama po sebi je slučajna varijabla, i ako bi početne vrijednosti mogle poprimiti n I m vrijednosti prema tome XY može uzeti nm vrijednosti. Verovatnoća svake vrednosti se izračunava na osnovu činjenice da se verovatnoće nezavisnih događaja množe. Kao rezultat, dobijamo ovo:

Očekivanje kontinuirane slučajne varijable

Kontinuirane slučajne varijable imaju takvu karakteristiku kao što je gustina distribucije (gustina vjerovatnoće). U suštini karakteriše situaciju da slučajna varijabla češće uzima neke vrijednosti iz skupa realnih brojeva, a neke rjeđe. Na primjer, razmotrite ovaj grafikon:

Evo X- stvarna slučajna varijabla, f(x)- gustina distribucije. Sudeći po ovom grafikonu, tokom eksperimenata vrijednost Xčesto će biti broj blizu nule. Šanse su premašene 3 ili biti manji -3 prilično čisto teorijski.

Neka, na primjer, postoji uniformna raspodjela:

Ovo je sasvim u skladu s intuitivnim razumijevanjem. Recimo, ako dobijemo mnogo slučajnih realnih brojeva sa uniformnom distribucijom, svaki segment |0; 1| , tada bi aritmetička sredina trebala biti oko 0,5.

Svojstva matematičkog očekivanja - linearnost, itd., primenljiva za diskretne slučajne varijable, takođe su primenljiva ovde.

Odnos između matematičkog očekivanja i drugih statističkih pokazatelja

U statističkoj analizi, uz matematičko očekivanje, postoji sistem međuzavisnih indikatora koji odražavaju homogenost pojava i stabilnost procesa. Indikatori varijacije često nemaju nezavisno značenje i koriste se za dalju analizu podataka. Izuzetak je koeficijent varijacije, koji karakteriše homogenost podataka, što je vrijedna statistička karakteristika.

Stepen varijabilnosti ili stabilnosti procesa u statističkoj nauci može se mjeriti korištenjem nekoliko indikatora.

Najvažniji indikator koji karakteriše varijabilnost slučajne varijable je Disperzija, što je najbliže i direktno povezano sa matematičkim očekivanjem. Ovaj parametar se aktivno koristi u drugim vrstama statističkih analiza (testiranje hipoteza, analiza uzročno-posljedičnih veza, itd.). Kao i prosječno linearno odstupanje, varijansa također odražava opseg širenja podataka oko srednje vrijednosti.

Korisno je prevesti jezik znakova u jezik riječi. Ispada da je disperzija prosječan kvadrat odstupanja. Odnosno, prvo se izračunava prosječna vrijednost, zatim se uzima razlika između svake izvorne i prosječne vrijednosti, kvadrira, dodaje, a zatim dijeli sa brojem vrijednosti u populaciji. Razlika između pojedinačne vrijednosti i prosjeka odražava mjeru odstupanja. Kvadira se tako da sva odstupanja postanu isključivo pozitivni brojevi i kako bi se izbjeglo međusobno uništavanje pozitivnih i negativnih devijacija prilikom njihovog sabiranja. Zatim, s obzirom na kvadratna odstupanja, jednostavno izračunamo aritmetičku sredinu. Prosjek - kvadrat - odstupanja. Odstupanja se kvadriraju i izračunava se prosjek. Odgovor na magičnu reč "disperzija" leži u samo tri reči.

Međutim, u svom čistom obliku, kao što je aritmetička sredina ili indeks, disperzija se ne koristi. To je prije pomoćni i srednji indikator koji se koristi za druge vrste statističkih analiza. Čak nema ni normalnu mjernu jedinicu. Sudeći po formuli, ovo je kvadrat mjerne jedinice izvornih podataka.

Izmjerimo slučajnu varijablu N puta, na primjer, mjerimo brzinu vjetra deset puta i želimo pronaći prosječnu vrijednost. Kako je prosječna vrijednost povezana s funkcijom distribucije?

Ili ćemo baciti kockice veliki broj puta. Broj bodova koji će se pojaviti na kocki sa svakim bacanjem je slučajna varijabla i može uzeti bilo koju prirodnu vrijednost od 1 do 6. Aritmetička sredina ispuštenih bodova izračunata za sva bacanja je također slučajna varijabla, ali za velike N teži vrlo specifičnom broju - matematičkom očekivanju Mx. U ovom slučaju Mx = 3,5.

Kako ste dobili ovu vrijednost? Pusti unutra N testovi n1 kada dobijete 1 bod, n2 jednom - 2 boda i tako dalje. Zatim broj ishoda u koji je pao jedan bod:

Slično za ishode kada se bacaju 2, 3, 4, 5 i 6 poena.

Pretpostavimo sada da znamo zakon raspodjele slučajne varijable x, odnosno znamo da slučajna varijabla x može poprimiti vrijednosti x1, x2, ..., xk sa vjerovatnoćama p1, p2, ..., pk.

Matematičko očekivanje Mx slučajne varijable x jednako je:

Matematičko očekivanje nije uvijek razumna procjena neke slučajne varijable. Stoga je za procjenu prosječne plate razumnije koristiti koncept medijane, odnosno takve vrijednosti da se poklopi broj ljudi koji primaju platu nižu od medijane i veću.

Vjerovatnoća p1 da će slučajna varijabla x biti manja od x1/2 i vjerovatnoća p2 da će slučajna varijabla x biti veća od x1/2, iste su i jednake su 1/2. Medijan nije određen jedinstveno za sve distribucije.

Standardna ili standardna devijacija u statistici se naziva stepen odstupanja opservacijskih podataka ili skupova od PROSJEČNE vrijednosti. Označava se slovima s ili s. Mala standardna devijacija ukazuje da se podaci grupišu oko srednje vrednosti, dok velika standardna devijacija ukazuje da se početni podaci nalaze daleko od nje. Standardna devijacija jednaka je kvadratnom korijenu veličine koja se zove varijansa. To je prosjek zbira kvadrata razlika početnih podataka koji odstupaju od prosječne vrijednosti. Standardna devijacija slučajne varijable je kvadratni korijen varijanse:

Primjer. U uslovima testiranja kada pucate na metu, izračunajte disperziju i standardnu ​​devijaciju slučajne varijable:

Varijacija- fluktuacija, promjenjivost vrijednosti neke karakteristike među jedinicama stanovništva. Pojedinačne numeričke vrijednosti neke karakteristike pronađene u populaciji koja se proučava nazivaju se varijantama vrijednosti. Nedovoljnost prosječne vrijednosti za potpunu karakterizaciju populacije prisiljava nas da prosječne vrijednosti dopunimo indikatorima koji nam omogućavaju da procijenimo tipičnost ovih prosjeka mjerenjem varijabilnosti (varijacije) karakteristike koja se proučava. Koeficijent varijacije se izračunava pomoću formule:

Raspon varijacija(R) predstavlja razliku između maksimalne i minimalne vrijednosti atributa u populaciji koja se proučava. Ovaj indikator daje najopćenitiju ideju o varijabilnosti karakteristike koja se proučava, jer pokazuje razliku samo između maksimalnih vrijednosti opcija. Ovisnost o ekstremnim vrijednostima karakteristike daje opsegu varijacije nestabilan, slučajan karakter.

Prosječna linearna devijacija predstavlja aritmetičku sredinu apsolutnih (modulo) odstupanja svih vrijednosti analizirane populacije od njihove prosječne vrijednosti:

Matematička očekivanja u teoriji kockanja

Matematičko očekivanje je Prosječan iznos novca koji kockar može dobiti ili izgubiti na datu opkladu. Ovo je vrlo važan koncept za igrača jer je fundamentalan za procjenu većine situacija u igri. Matematičko očekivanje je također optimalno sredstvo za analizu osnovnih rasporeda kartica i situacija u igri.

Recimo da igrate igru ​​novčića sa prijateljem, kladite se na 1 dolar svaki put, bez obzira šta se pojavi. Rep znači da pobjeđujete, glava znači da gubite. Šanse su jedan prema jedan da će se pojaviti, tako da se kladite $1 prema $1. Dakle, vaša matematička očekivanja su nula, jer Sa matematičke tačke gledišta, ne možete znati da li ćete voditi ili izgubiti nakon dva bacanja ili nakon 200.

Vaš dobitak po satu je nula. Dobici po satu su iznos novca koji očekujete da ćete osvojiti za sat vremena. Možete baciti novčić 500 puta za sat vremena, ali nećete pobijediti ili izgubiti jer... Vaše šanse nisu ni pozitivne ni negativne. Ako pogledate, iz ugla ozbiljnog igrača, ovaj sistem klađenja nije loš. Ali ovo je jednostavno gubljenje vremena.

Ali recimo da neko želi da se kladi $2 protiv vašeg $1 u istoj igri. Tada odmah imate pozitivno očekivanje od 50 centi od svake opklade. Zašto 50 centi? U prosjeku dobijete jednu opkladu i izgubite drugu. Kladite se na prvi dolar i izgubit ćete 1$, kladite se na drugi i dobit ćete 2$. Kladite se dva puta po $1 i imate prednost od $1. Dakle, svaka vaša opklada na jedan dolar dala vam je 50 centi.

Ako se novčić pojavi 500 puta u jednom satu, vaš dobitak po satu će već biti 250 dolara, jer... U prosjeku ste izgubili jedan dolar 250 puta i osvojili dva dolara 250 puta. 500$ minus 250$ je 250$, što je ukupan dobitak. Imajte na umu da je očekivana vrijednost, koja je prosječan iznos koji dobijete po opkladi, 50 centi. Osvojili ste 250 dolara kladeći se na dolar 500 puta, što je jednako 50 centi po opkladi.

Matematička očekivanja nemaju nikakve veze sa kratkoročnim rezultatima. Vaš protivnik, koji je odlučio da kladi 2$ protiv vas, mogao bi vas pobijediti na prvih deset bacanja zaredom, ali vi, ako imate prednost u klađenju od 2 prema 1, pod svim ostalim jednakim uvjetima, zaradit ćete 50 centi na svaki $1 opkladu u bilo kojoj okolnosti. Nije bitno hoćete li dobiti ili izgubiti jednu ili nekoliko opklada, sve dok imate dovoljno novca da udobno pokrijete troškove. Ako nastavite da se kladite na isti način, tada će se tokom dužeg vremenskog perioda vaš dobitak približiti zbroju očekivanja u pojedinačnim bacanjima.

Svaki put kada napravite najbolju opkladu (opkladu koja se može pokazati isplativom na duge staze), kada su kvote u vašu korist, obavezno ćete nešto osvojiti na tome, bez obzira da li to izgubite ili ne u data hand. Suprotno tome, ako napravite underdog opkladu (opkladu koja je neisplativa na duge staze) kada su šanse protiv vas, gubite nešto bez obzira na to da li dobijete ili izgubite ruku.

Stavljate opkladu sa najboljim ishodom ako su vaša očekivanja pozitivna, a pozitivna je ako su kvote na vašoj strani. Kada položite opkladu sa najgorim ishodom, imate negativna očekivanja, što se dešava kada su kvote protiv vas. Ozbiljni igrači se klade samo na najbolji ishod; ako se dogodi najgori, odustaju. Šta šanse znače u vašu korist? Možda ćete na kraju osvojiti više nego što donose stvarne kvote. Prave šanse za sletanje su 1 prema 1, ali dobijate 2 prema 1 zbog omjera izgleda. U ovom slučaju, šanse su u vašu korist. Definitivno ćete dobiti najbolji ishod uz pozitivno očekivanje od 50 centi po opkladi.

Evo složenijeg primjera matematičkog očekivanja. Prijatelj zapisuje brojeve od jedan do pet i kladi se $5 protiv vašeg $1 da nećete pogoditi broj. Treba li pristati na takvu opkladu? Šta se tu očekuje?

U prosjeku ćete pogriješiti četiri puta. Na osnovu toga, šanse protiv toga da pogodite broj su 4 prema 1. Šanse protiv toga da izgubite dolar u jednom pokušaju. Međutim, dobijate 5 prema 1, uz mogućnost gubitka 4 prema 1. Dakle, kvote su u vašu korist, možete uzeti opkladu i nadati se najboljem ishodu. Ako uložite ovu opkladu pet puta, u prosjeku ćete četiri puta izgubiti 1$ i jednom dobiti 5$. Na osnovu toga, za svih pet pokušaja ćete zaraditi 1 dolar uz pozitivno matematičko očekivanje od 20 centi po opkladi.

Igrač koji će dobiti više nego što se kladi, kao u gornjem primjeru, riskira. Naprotiv, on uništava svoje šanse kada očekuje da će dobiti manje nego što se kladi. Kladilac može imati pozitivna ili negativna očekivanja, što zavisi od toga da li dobija ili uništava kvote.

Ako se kladite na $50 da osvojite $10 sa šansom za pobjedu 4 prema 1, dobit ćete negativno očekivanje od $2 jer U prosjeku ćete četiri puta osvojiti 10 dolara i jednom izgubiti 50 dolara, što pokazuje da će gubitak po opkladi biti 10 dolara. Ali ako se kladite na 30 dolara da dobijete 10 dolara, sa istim izgledima za pobjedu 4 prema 1, tada u ovom slučaju imate pozitivno očekivanje od 2 dolara, jer ponovo osvajate $10 četiri puta i gubite $30 jednom, za profit od $10. Ovi primjeri pokazuju da je prva opklada loša, a druga dobra.

Matematičko očekivanje je centar svake situacije u igri. Kada kladionica ohrabruje ljubitelje fudbala da se klade na 11 dolara da dobiju 10 dolara, on ima pozitivno očekivanje od 50 centi na svakih 10 dolara. Ako kazino plaća čak i novac sa linije za prolaz u craps, tada će pozitivna očekivanja kazina biti otprilike 1,40 dolara na svakih 100 dolara, jer Ova igra je strukturirana tako da svako ko se kladi na ovu liniju gubi u prosjeku 50,7% i dobije 49,3% ukupnog vremena. Bez sumnje, upravo ovo naizgled minimalno pozitivno očekivanje donosi enormne profite vlasnicima kazina širom svijeta. Kao što je primetio vlasnik kazina Vegas World Bob Stupak, "hiljaditi deo jednog procenta negativne verovatnoće na dovoljno velikoj udaljenosti uništiće najbogatijeg čoveka na svetu."

Očekivanje kada igrate poker

Igra pokera je najilustrativniji i najilustrativniji primjer sa stanovišta korištenja teorije i svojstava matematičkog očekivanja.

Očekivana vrijednost u pokeru je prosječna korist od određene odluke, pod uslovom da se takva odluka može razmatrati u okviru teorije velikih brojeva i velike udaljenosti. Uspješna poker igra je uvijek prihvatiti poteze sa pozitivnom očekivanom vrijednošću.

Matematičko značenje matematičkog očekivanja prilikom igranja pokera je da se često susrećemo sa slučajnim varijablama prilikom donošenja odluka (ne znamo koje karte ima protivnik u rukama, koje će karte doći u narednim rundama klađenja). Svako od rješenja moramo razmotriti sa stanovišta teorije velikih brojeva, koja kaže da će s dovoljno velikim uzorkom prosječna vrijednost slučajne varijable težiti njenom matematičkom očekivanju.

Među posebnim formulama za izračunavanje matematičkog očekivanja, u pokeru je najprikladnije sljedeće:

Kada igrate poker, očekivana vrijednost se može izračunati i za opklade i za pozive. U prvom slučaju treba uzeti u obzir fold equity, a u drugom sopstvene šanse banke. Kada procjenjujete matematičko očekivanje određenog poteza, trebate imati na umu da fold uvijek ima nulto očekivanje. Stoga će odbacivanje karata uvijek biti isplativija odluka od bilo kojeg negativnog poteza.

Očekivanje vam govori šta možete očekivati ​​(profit ili gubitak) za svaki dolar koji rizikujete. Kazina zarađuju jer matematičko očekivanje svih igara u njima ide u prilog kazinu. Uz dovoljno dugu seriju igara, možete očekivati ​​da će klijent izgubiti novac, budući da su “šanse” u korist kazina. Međutim, profesionalni kazino igrači ograničavaju svoje igre na kratke vremenske periode, slažući na taj način kvote u svoju korist. Isto važi i za investiranje. Ako su vaša očekivanja pozitivna, možete zaraditi više novca tako što ćete napraviti mnogo trgovina u kratkom vremenskom periodu. Očekivanje je vaš procenat profita po pobjedi pomnožen vašim prosječnim profitom, minus vaša vjerovatnoća gubitka pomnožena vašim prosječnim gubitkom.

Poker se takođe može posmatrati sa stanovišta matematičkih očekivanja. Možete pretpostaviti da je određeni potez isplativ, ali u nekim slučajevima možda neće biti najbolji jer je drugi potez isplativiji. Recimo da ste pogodili punu kuću u pokeru sa pet karata. Vaš protivnik se kladi. Znate da ako podignete opkladu, on će odgovoriti. Stoga se čini da je podizanje najbolje taktika. Ali ako podignete opkladu, preostala dva igrača će definitivno odustati. Ali ako zovete, imate puno povjerenje da će druga dva igrača iza vas učiniti isto. Kada podignete svoju opkladu dobijate jednu jedinicu, a kada samo platite dobijate dve. Dakle, pozivanje vam daje veću pozitivnu očekivanu vrijednost i biće najbolja taktika.

Matematička očekivanja takođe mogu dati ideju o tome koje poker taktike su manje isplative, a koje isplativije. Na primjer, ako igrate određenu ruku i mislite da će vaš gubitak u prosjeku iznositi 75 centi uključujući ante, onda biste trebali odigrati tu ruku jer ovo je bolje nego odustati kada je ante $1.

Još jedan važan razlog za razumijevanje koncepta očekivane vrijednosti je taj što vam daje osjećaj mira bez obzira na to da li ste dobili opkladu ili ne: ako ste napravili dobru opkladu ili odustali u pravo vrijeme, znat ćete da ste zaradili ili uštedio određeni iznos novca koji slabiji igrač nije mogao uštedjeti. Mnogo je teže odustati ako ste uznemireni jer je vaš protivnik izvukao jaču ruku. Uz sve ovo, novac koji uštedite tako što ne igrate umjesto klađenja dodaje se vašem dobitku za noć ili mjesec.

Samo zapamtite da da ste promijenili ruke, protivnik bi vas pozvao, a kao što ćete vidjeti u članku o Fundamentalnoj teoremi pokera, ovo je samo jedna od vaših prednosti. Trebao bi biti sretan kada se ovo desi. Možete čak naučiti da uživate u gubitku ruke jer znate da bi drugi igrači na vašoj poziciji izgubili mnogo više.

Kao što je spomenuto u primjeru igre s novčićima na početku, satnica profita je međusobno povezana sa matematičkim očekivanjem, a ovaj koncept je posebno važan za profesionalne igrače. Kada idete da igrate poker, trebali biste mentalno procijeniti koliko možete osvojiti za sat vremena igre. U većini slučajeva morat ćete se osloniti na svoju intuiciju i iskustvo, ali možete koristiti i matematiku. Na primjer, igrate draw lowball i vidite da tri igrača ulažu 10$, a zatim mijenjaju dvije karte, što je vrlo loša taktika, možete shvatiti da svaki put kada ulože 10$ gube oko 2$. Svaki od njih to radi osam puta na sat, što znači da sva trojica gube otprilike 48 dolara po satu. Vi ste jedan od preostala četiri igrača koji su približno jednaki, tako da ova četiri igrača (i vi među njima) moraju podijeliti 48 dolara, pri čemu svaki ostvaruje profit od 12 dolara po satu. Vaše kvote po satu u ovom slučaju su jednostavno jednake vašem udjelu u iznosu novca koji su izgubila tri loša igrača za sat vremena.

Tokom dugog vremenskog perioda, ukupni dobici igrača su zbir njegovih matematičkih očekivanja u pojedinačnim rukama. Što više ruku igrate sa pozitivnim očekivanjima, više dobijate, i obrnuto, što više ruku igrate sa negativnim očekivanjima, više gubite. Kao rezultat toga, trebali biste odabrati igru ​​koja može maksimizirati vaše pozitivno iščekivanje ili negirati vaše negativno iščekivanje tako da možete maksimizirati svoje dobitke po satu.

Pozitivna matematička očekivanja u strategiji igranja

Ako znate brojati karte, možete imati prednost u odnosu na kasino, sve dok vas ne primjete i izbace vas. Kazina vole pijane igrače i ne tolerišu igrače koji broje karte. Prednost će vam omogućiti da pobijedite više puta nego što izgubite tokom vremena. Dobro upravljanje novcem korištenjem kalkulacija očekivane vrijednosti može vam pomoći da izvučete više profita iz svoje prednosti i smanjite gubitke. Bez prednosti, bolje je dati novac u dobrotvorne svrhe. U igri na berzi prednost daje sistem igre koji stvara veći profit od gubitaka, razlika u ceni i provizija. Nikakvo upravljanje novcem ne može spasiti loš sistem igara.

Pozitivno očekivanje se definira kao vrijednost veća od nule. Što je ovaj broj veći, to je statističko očekivanje jače. Ako je vrijednost manja od nule, tada će i matematičko očekivanje biti negativno. Što je veći modul negativne vrijednosti, to je situacija gora. Ako je rezultat nula, onda je čekanje rentabilno. Možete pobijediti samo kada imate pozitivna matematička očekivanja i razuman sistem igre. Igranje po intuiciji vodi do katastrofe.

Matematička očekivanja i trgovanje dionicama

Matematičko očekivanje je prilično rasprostranjen i popularan statistički pokazatelj pri obavljanju berzanskog trgovanja na finansijskim tržištima. Prije svega, ovaj parametar se koristi za analizu uspješnosti trgovanja. Nije teško pretpostaviti da što je ova vrijednost veća, to je više razloga da se trgovina koja se proučava uspješnom smatra. Naravno, analiza rada trgovca ne može se izvršiti samo pomoću ovog parametra. Međutim, izračunata vrijednost, u kombinaciji s drugim metodama procjene kvaliteta rada, može značajno povećati tačnost analize.

Matematičko očekivanje se često izračunava u uslugama praćenja trgovačkih računa, što vam omogućava da brzo procijenite rad na depozitu. Izuzeci uključuju strategije koje koriste neprofitabilne trgovine koje se ne koriste. Trgovac može imati sreće neko vrijeme, pa stoga možda neće biti nikakvih gubitaka u njegovom radu. U ovom slučaju neće se moći voditi samo matematičkim očekivanjima, jer se rizici koji se koriste u radu neće uzeti u obzir.

U tržišnom trgovanju, matematičko očekivanje se najčešće koristi kada se predviđa profitabilnost bilo koje strategije trgovanja ili kada se predviđa prihod trgovca na osnovu statističkih podataka iz njegovog prethodnog trgovanja.

Što se tiče upravljanja novcem, vrlo je važno shvatiti da kada se sklapaju trgovine sa negativnim očekivanjima, ne postoji šema upravljanja novcem koja definitivno može donijeti visok profit. Ako nastavite da igrate na berzi pod ovim uslovima, onda bez obzira na to kako upravljate svojim novcem, izgubićete ceo svoj račun, bez obzira na to koliko je bio veliki u početku.

Ovaj aksiom je istinit ne samo za igre ili trgovine sa negativnim očekivanjima, već je istinit i za igre sa jednakim šansama. Stoga, jedini put kada imate šansu da zaradite na duge staze je ako izvršite trgovinu sa pozitivnom očekivanom vrijednošću.

Razlika između negativnih i pozitivnih očekivanja je razlika između života i smrti. Nije važno koliko su očekivanja pozitivna ili negativna; Bitno je samo da li je pozitivno ili negativno. Stoga, prije nego što razmislite o upravljanju novcem, trebali biste pronaći igru ​​s pozitivnim očekivanjima.

Ako nemate tu igru, onda vas neće spasiti svo upravljanje novcem na svijetu. S druge strane, ako imate pozitivna očekivanja, možete ga, kroz pravilno upravljanje novcem, pretvoriti u funkciju eksponencijalnog rasta. Nije važno koliko su pozitivna očekivanja mala! Drugim riječima, nije važno koliko je profitabilan sistem trgovanja zasnovan na jednom ugovoru. Ako imate sistem koji osvaja 10 USD po ugovoru po trgovini (nakon provizija i klizanja), možete koristiti tehnike upravljanja novcem kako biste ga učinili profitabilnijim od sistema koji u prosjeku iznosi 1000 USD po trgovini (nakon odbitka provizija i klizanja).

Ono što je bitno nije koliko je sistem bio profitabilan, već koliko se sigurno može reći da će sistem pokazati barem minimalnu dobit u budućnosti. Stoga je najvažnija priprema koju trgovac može napraviti je osigurati da će sistem pokazati pozitivnu očekivanu vrijednost u budućnosti.

Da biste imali pozitivnu očekivanu vrijednost u budućnosti, veoma je važno da ne ograničavate stepene slobode vašeg sistema. Ovo se postiže ne samo eliminacijom ili smanjenjem broja parametara koji se optimizuju, već i smanjenjem što većeg broja sistemskih pravila. Svaki parametar koji dodate, svako pravilo koje napravite, svaka mala promjena koju napravite u sistemu smanjuje broj stupnjeva slobode. U idealnom slučaju, trebate izgraditi prilično primitivan i jednostavan sistem koji će dosljedno generirati male profite na gotovo svakom tržištu. Opet, važno je da shvatite da nije važno koliko je sistem profitabilan, sve dok je profitabilan. Novac koji zaradite u trgovanju biće napravljen kroz efikasno upravljanje novcem.

Sistem trgovanja je jednostavno alat koji vam daje pozitivnu očekivanu vrijednost tako da možete koristiti upravljanje novcem. Sistemi koji rade (pokazuju barem minimalni profit) na samo jednom ili nekoliko tržišta, ili imaju različita pravila ili parametre za različita tržišta, najvjerovatnije neće dugo raditi u realnom vremenu. Problem kod većine tehnički orijentisanih trgovaca je što troše previše vremena i truda na optimizaciju različitih pravila i vrednosti parametara sistema trgovanja. Ovo daje potpuno suprotne rezultate. Umjesto da trošite energiju i kompjutersko vrijeme na povećanje profita trgovačkog sistema, svoju energiju usmjerite na povećanje nivoa pouzdanosti ostvarivanja minimalnog profita.

Znajući da je upravljanje novcem samo igra brojeva koja zahtijeva korištenje pozitivnih očekivanja, trgovac može prestati tražiti "sveti gral" trgovanja dionicama. Umjesto toga, može početi testirati svoju metodu trgovanja, saznati koliko je ova metoda logična i daje li pozitivna očekivanja. Pravilne metode upravljanja novcem, primijenjene na bilo koju, čak i vrlo osrednju metodu trgovanja, sami će obaviti ostatak posla.

Da bi svaki trgovac uspio u svom poslu, potrebno je riješiti tri najvažnija zadatka: . Da bi se osiguralo da broj uspješnih transakcija premašuje neizbježne greške i pogrešne proračune; Postavite svoj sistem trgovanja tako da imate priliku da zarađujete novac što je češće moguće; Ostvarite stabilne pozitivne rezultate iz svog poslovanja.

I ovdje, nama zaposlenim trgovcima, matematičko očekivanje može biti od velike pomoći. Ovaj termin je jedan od ključnih u teoriji vjerovatnoće. Uz njegovu pomoć možete dati prosječnu procjenu neke slučajne vrijednosti. Matematičko očekivanje slučajne varijable slično je centru gravitacije, ako zamislite sve moguće vjerovatnoće kao tačke sa različitim masama.

U odnosu na strategiju trgovanja, matematičko očekivanje dobiti (ili gubitka) najčešće se koristi za procenu njene efikasnosti. Ovaj parametar se definiše kao zbir proizvoda datih nivoa dobiti i gubitka i verovatnoće njihovog nastanka. Na primjer, razvijena strategija trgovanja pretpostavlja da će 37% svih transakcija donijeti profit, a preostali dio - 63% - biti neprofitabilan. Istovremeno, prosječan prihod od uspješne transakcije će biti 7 dolara, a prosječan gubitak 1,4 dolara. Izračunajmo matematičko očekivanje trgovanja koristeći ovaj sistem:

Šta znači ovaj broj? Kaže da ćemo, slijedeći pravila ovog sistema, u prosjeku dobiti 1.708 dolara od svake zatvorene transakcije. Pošto je rezultujuća ocena efikasnosti veća od nule, takav sistem se može koristiti za pravi rad. Ako se, kao rezultat izračuna, matematičko očekivanje pokaže negativnim, onda to već ukazuje na prosječan gubitak i takvo trgovanje će dovesti do propasti.

Iznos dobiti po transakciji može se izraziti i kao relativna vrijednost u obliku %. Na primjer:

– procenat prihoda po 1 transakciji - 5%;

– procenat uspješnog trgovanja - 62%;

– procenat gubitka po 1 transakciji - 3%;

– procenat neuspješnih transakcija - 38%;

Odnosno, prosječna trgovina će donijeti 1,96%.

Moguće je razviti sistem koji će, uprkos dominaciji neprofitabilnih trgovina, dati pozitivan rezultat, budući da je MO>0.

Međutim, samo čekanje nije dovoljno. Teško je zaraditi novac ako sistem daje vrlo malo trgovačkih signala. U ovom slučaju, njegova profitabilnost će biti uporediva sa bankarskim kamatama. Neka svaka operacija proizvodi u prosjeku samo 0,5 dolara, ali šta ako sistem uključuje 1000 operacija godišnje? To će biti veoma značajan iznos u relativno kratkom vremenu. Iz ovoga logično proizilazi da se još jednom posebnom karakteristikom dobrog trgovačkog sistema može smatrati kratak period držanja pozicija.

Izvori i linkovi

dic.academic.ru – akademski online rječnik

mathematics.ru – obrazovna web stranica iz matematike

nsu.ru – obrazovna web stranica Novosibirskog državnog univerziteta

webmath.ru je obrazovni portal za studente, kandidate i školarce.

exponenta.ru obrazovna matematička web stranica

ru.tradimo.com – besplatna škola online trgovanja

crypto.hut2.ru – multidisciplinarni informacioni resurs

poker-wiki.ru – besplatna enciklopedija pokera

sernam.ru – Naučna biblioteka izabranih publikacija prirodnih nauka

reshim.su – web stranica MI ĆEMO RIJEŠITI probleme sa testom

unfx.ru – Forex na UNFX: obuka, trgovački signali, upravljanje povjerenjem

slovopedia.com – Veliki enciklopedijski rečnik Slovopedia

pokermansion.3dn.ru – Vaš vodič u svijetu pokera

statanaliz.info – informativni blog “Statistička analiza podataka”

forex-trader.rf – Forex-Trader portal

megafx.ru – trenutna Forex analitika

fx-by.com – sve za trgovca

U teoriji vjerovatnoće i u mnogim njenim primjenama, različite numeričke karakteristike slučajnih varijabli su od velike važnosti. Glavni su matematičko očekivanje i varijansa.

1. Matematičko očekivanje slučajne varijable i njena svojstva.

Razmotrimo prvo sljedeći primjer. Neka biljka dobije seriju koja se sastoji od N ležajevi. pri čemu:

m 1 x 1,
m 2- broj ležajeva sa spoljnim prečnikom x 2,
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
m n- broj ležajeva sa spoljnim prečnikom x n,

Evo m 1 +m 2 +...+m n =N. Nađimo aritmetičku sredinu x avg spoljni prečnik ležaja. Očigledno,
Vanjski prečnik ležaja koji se nasumično vadi može se smatrati slučajnom varijablom koja uzima vrijednosti x 1, x 2, ..., x n, sa odgovarajućim vjerovatnoćama p 1 =m 1 /N, p 2 =m 2 /N, ..., p n =m n /N, budući da je vjerovatnoća p i izgled ležaja sa spoljnim prečnikom x i jednak m i /N. Dakle, aritmetička sredina x avg Vanjski prečnik ležaja može se odrediti pomoću relacije
Neka je diskretna slučajna varijabla sa datim zakonom raspodjele vjerovatnoće

Matematičko očekivanje diskretna slučajna varijabla je zbir uparenih proizvoda svih mogućih vrijednosti slučajne varijable prema njihovim odgovarajućim vjerovatnoćama, tj. *
U ovom slučaju se pretpostavlja da postoji nepravilan integral na desnoj strani jednakosti (40).

Razmotrimo svojstva matematičkog očekivanja. U ovom slučaju ćemo se ograničiti na dokaz samo prva dva svojstva, koji ćemo provesti za diskretne slučajne varijable.

1°. Matematičko očekivanje konstante C je jednako ovoj konstanti.
Dokaz. Konstantno C može se posmatrati kao slučajna varijabla koja može uzeti samo jednu vrijednost C sa vjerovatnoćom jednakom jedan. Zbog toga

2°. Konstantni faktor se može uzeti izvan predznaka matematičkog očekivanja, tj.
Dokaz. Koristeći relaciju (39), imamo

3°. Matematičko očekivanje sume nekoliko slučajnih varijabli jednako je zbroju matematičkih očekivanja ovih varijabli:

Očekivana vrijednost- prosječna vrijednost slučajne varijable (raspodjela vjerovatnoće stacionarne slučajne varijable) kada broj uzoraka ili broj mjerenja (koji se ponekad naziva i broj testova) teži beskonačnosti.

Aritmetička sredina jednodimenzionalne slučajne varijable konačnog broja pokušaja se obično naziva procjena matematičkog očekivanja. Kako broj pokušaja stacionarnog slučajnog procesa teži beskonačnosti, procjena matematičkog očekivanja teži matematičkom očekivanju.

Matematičko očekivanje je jedan od osnovnih pojmova u teoriji vjerovatnoće).

Enciklopedijski YouTube

1 / 5

✪ Očekivanja i odstupanja - bezbotvy

✪ Teorija vjerovatnoće 15: Očekivanje

✪ Matematičko očekivanje

✪ Očekivanja i odstupanja. Teorija

✪ Matematička očekivanja u trgovanju

Titlovi

Definicija

Neka je dat prostor vjerovatnoće (Ω , A , P) (\displaystyle (\Omega ,(\mathfrak (A)),\mathbb (P))) i na njemu definirana slučajna varijabla X (\displaystyle X). To je, po definiciji, X: Ω → R (\displaystyle X\colon \Omega \to \mathbb (R) )- mjerljiva funkcija. Ako postoji Lebesgueov integral od X (\displaystyle X) po prostoru Ω (\displaystyle \Omega), tada se naziva matematičko očekivanje ili prosječna (očekivana) vrijednost i označava se M [ X ] (\displaystyle M[X]) ili E [ X ] (\displaystyle \mathbb (E) [X]).

Osnovne formule za matematičko očekivanje

M [ X ] = ∫ − ∞ ∞ x d F X (x) ; x ∈ R (\displaystyle M[X]=\int \limits _(-\infty )^(\infty )\!x\,dF_(X)(x);x\in \mathbb (R) ).

Matematičko očekivanje diskretne distribucije

onda iz definicije Lebesgueovog integrala direktno slijedi da

Očekivanje cjelobrojne vrijednosti

onda se njegovo matematičko očekivanje može izraziti kroz generirajuću funkciju niza ( p i ) (\displaystyle \(p_(i)\))

kao vrijednost prve derivacije u jedinici: M [ X ] = P ′ (1) (\displaystyle M[X]=P"(1)). Ako je matematičko očekivanje X (\displaystyle X) beskonačno, dakle lim s → 1 P ′ (s) = ∞ (\displaystyle \lim _(s\to 1)P"(s)=\infty ) a mi ćemo pisati P ′ (1) = M [ X ] = ∞ (\displaystyle P"(1)=M[X]=\infty)

Sada uzmimo funkciju generiranja Q (s) (\displaystyle Q(s)) sekvence distributivnih repova ( q k ) (\displaystyle \(q_(k)\))

Ova funkcija generiranja povezana je s prethodno definiranom funkcijom P (s) (\displaystyle P(s)) imovina: Q (s) = 1 − P (s) 1 − s (\displaystyle Q(s)=(\frac (1-P(s))(1-s))) at | s |< 1 {\displaystyle |s|<1} . Iz ovoga, prema teoremu srednje vrijednosti, slijedi da je matematičko očekivanje jednostavno jednako vrijednosti ove funkcije u jedinici:

Matematičko očekivanje apsolutno kontinuirane distribucije

Matematičko očekivanje slučajnog vektora

Neka X = (X 1 , … , X n) ⊤ : Ω → R n (\displaystyle X=(X_(1),\dots ,X_(n))^(\top )\colon \Omega \to \mathbb ( R)^(n))- slučajni vektor. Onda po definiciji

to jest, matematičko očekivanje vektora je određeno komponentu po komponentu.

Očekivanje transformacije slučajne varijable

Neka g: R → R (\displaystyle g\colon \mathbb (R) \to \mathbb (R) ) je Borelova funkcija takva da je slučajna varijabla Y = g (X) (\displaystyle Y=g(X)) ima konačno matematičko očekivanje. Tada formula vrijedi za to

Ako X (\displaystyle X) ima diskretnu distribuciju;

Ako X (\displaystyle X) ima apsolutno kontinuiranu distribuciju.

Ako distribucija P X (\displaystyle \mathbb (P) ^(X)) slučajna varijabla X (\displaystyle X) onda opšti pogled

U posebnom slučaju kada g (X) = X k (\displaystyle g(X)=X^(k)), očekivana vrijednost M [ g (X) ] = M [ X k ] (\displaystyle M=M) pozvao k (\displaystyle k)-m moment slučajne varijable.

Najjednostavnija svojstva matematičkog očekivanja

• Matematičko očekivanje broja je sam broj.

• Matematičko očekivanje je linearno, tj