Come determinare l'aspettativa di scacco matto. Aspettativa di una variabile casuale continua
– il numero di maschi su 10 neonati.
È assolutamente chiaro che questo numero non è noto in anticipo e che i prossimi dieci bambini nati potrebbero includere:
O ragazzi - uno ed uno solo dalle opzioni elencate.
E, per mantenersi in forma, un po' di educazione fisica:
– salto in lungo (in alcune unità).
Anche un maestro dello sport non può prevederlo :)
Tuttavia, le vostre ipotesi?
2) Variabile casuale continua – accetta Tutto valori numerici da un intervallo finito o infinito.
Nota : le abbreviazioni DSV e NSV sono popolari nella letteratura educativa
Innanzitutto, analizziamo la variabile casuale discreta, quindi: continuo.
Legge di distribuzione di una variabile casuale discreta
- Questo corrispondenza tra i possibili valori di questa quantità e le loro probabilità. Molto spesso, la legge è scritta in una tabella: 
Il termine appare abbastanza spesso riga
distribuzione, ma in alcune situazioni sembra ambiguo, quindi mi atterrò alla "legge".
E adesso punto molto importante: poiché la variabile casuale Necessariamente accetterà uno dei valori, quindi si formano gli eventi corrispondenti gruppo completo e la somma delle probabilità del loro verificarsi è pari a uno:
oppure, se scritto in forma condensata:
Quindi, ad esempio, la legge della distribuzione di probabilità dei punti lanciati su un dado ha la seguente forma: 
Non ci sono commenti.
Potresti avere l'impressione che una variabile casuale discreta possa assumere solo valori interi "buoni". Dissolviamo l'illusione: possono essere qualsiasi cosa:
Esempio 1
Alcuni giochi hanno la seguente legge di distribuzione vincente: 
...probabilmente sogni questo tipo di compiti da molto tempo :) Ti svelo un segreto, anch'io. Soprattutto dopo aver finito di lavorare teoria del campo.
Soluzione: poiché una variabile casuale può assumere solo uno dei tre valori, si formano gli eventi corrispondenti gruppo completo, il che significa che la somma delle loro probabilità è uguale a uno: 
Smascherare il “partigiano”: 
– quindi, la probabilità di vincere unità convenzionali è 0,4.
Controllo: questo è ciò di cui dovevamo essere sicuri.
Risposta:
Non è raro che tu stesso debba redigere una legge sulla distribuzione. Per questo usano definizione classica di probabilità, teoremi di moltiplicazione/addizione per la probabilità di eventi e altri chip tervera:
Esempio 2
La scatola contiene 50 biglietti della lotteria, di cui 12 vincenti, 2 di essi vincono 1000 rubli ciascuno e il resto 100 rubli ciascuno. Elabora una legge per la distribuzione di una variabile casuale: l'entità della vincita, se un biglietto viene estratto a caso dalla scatola.
Soluzione: come hai notato, i valori di una variabile casuale vengono solitamente inseriti in ordine crescente. Pertanto, iniziamo con la vincita più piccola, ovvero i rubli.
Ci sono 50 biglietti di questo tipo in totale - 12 = 38 e secondo definizione classica:
– la probabilità che un biglietto estratto a caso risulti perdente.
In altri casi tutto è semplice. La probabilità di vincere rubli è:
Controlla: – e questo è un momento particolarmente piacevole di tali compiti!
Risposta: la legge desiderata di distribuzione delle vincite: 
Il seguente compito spetta a te risolverlo da solo:
Esempio 3
La probabilità che il tiratore colpisca il bersaglio è . Elabora una legge di distribuzione per una variabile casuale: il numero di colpi dopo 2 colpi.
...sapevo che ti era mancato :) Ricordiamolo Teoremi di moltiplicazione e addizione. La soluzione e la risposta sono alla fine della lezione.
La legge della distribuzione descrive completamente una variabile casuale, ma in pratica può essere utile (e talvolta più utile) conoscerne solo alcune caratteristiche numeriche .
Aspettativa di una variabile casuale discreta
In termini semplici, questo è valore medio atteso quando il test viene ripetuto più volte. Lascia che la variabile casuale assuma valori con probabilità 
rispettivamente. Quindi l'aspettativa matematica di questa variabile casuale è uguale a somma di prodotti tutti i suoi valori alle probabilità corrispondenti:
o compresso: 
Calcoliamo, ad esempio, l'aspettativa matematica di una variabile casuale - il numero di punti lanciati su un dado:
Ora ricordiamo il nostro ipotetico gioco: 
La domanda sorge spontanea: è davvero redditizio giocare a questo gioco? ...chi ha qualche impressione? Quindi non puoi dirlo “disinvolto”! Ma a questa domanda si può facilmente rispondere calcolando l'aspettativa matematica, essenzialmente: media ponderata per probabilità di vincita:
Quindi, l'aspettativa matematica di questo gioco perdere.
Non fidarti delle tue impressioni: fidati dei numeri!
Sì, qui puoi vincere 10 o anche 20-30 volte di seguito, ma alla lunga ci aspetta un'inevitabile rovina. E non ti consiglierei di giocare a giochi del genere :) Beh, forse solo per divertimento.
Da tutto quanto sopra ne consegue che l'aspettativa matematica non è più un valore CASUALE.
Compito creativo per la ricerca indipendente:
Esempio 4
Il signor X gioca alla roulette europea utilizzando il seguente sistema: scommette costantemente 100 rubli sul “rosso”. Elabora una legge di distribuzione di una variabile casuale: le sue vincite. Calcola l'aspettativa matematica di vincita e arrotondala al centesimo più vicino. Quanti media Il giocatore perde per ogni cento che scommette?
Riferimento : La roulette europea contiene 18 settori rossi, 18 neri e 1 verde (“zero”). Se appare un “rosso”, il giocatore viene pagato il doppio della scommessa, altrimenti va alle entrate del casinò
Esistono molti altri sistemi di roulette per i quali puoi creare le tue tabelle di probabilità. Ma questo è il caso in cui non abbiamo bisogno di leggi o tabelle di distribuzione, perché è stabilito con certezza che l’aspettativa matematica del giocatore sarà esattamente la stessa. L'unica cosa che cambia da sistema a sistema è
Ogni singolo valore è completamente determinato dalla sua funzione di distribuzione. Inoltre, per risolvere problemi pratici, è sufficiente conoscere diverse caratteristiche numeriche, grazie alle quali diventa possibile presentare in forma breve le caratteristiche principali di una variabile casuale.
Queste quantità includono principalmente valore atteso E dispersione .
Valore atteso— il valore medio di una variabile casuale nella teoria della probabilità. Indicato come .
Nel modo più semplice, l'aspettativa matematica di una variabile casuale X(l), scopri come integranteLebesgue rispetto alla misura di probabilità R originale spazio di probabilità
Puoi anche trovare l'aspettativa matematica di un valore come Integrale di Lebesgue da X mediante distribuzione di probabilità RX le quantità X:
dove è l'insieme di tutti i valori possibili X.
Aspettativa matematica di funzioni da una variabile casuale X trovato attraverso la distribuzione RX. Per esempio, Se X- una variabile casuale con valori in e f(x)- inequivocabile Quello di Borelfunzione X , Quello:
Se F(x)- funzione distributiva X, allora l'aspettativa matematica è rappresentabile integranteLebesgue - Stieltjes (o Riemann - Stieltjes):
in questo caso integrabilità X In termini di ( * ) corrisponde alla finitezza dell'integrale
In casi specifici, se X ha una distribuzione discreta con valori probabili xk, k=1, 2, . , e probabilità, quindi
Se X ha una distribuzione assolutamente continua con densità di probabilità p(x), Quello
in questo caso l'esistenza di un'aspettativa matematica equivale alla convergenza assoluta della serie o integrale corrispondente.
Proprietà dell'aspettativa matematica di una variabile casuale.
- L'aspettativa matematica di un valore costante è uguale a questo valore:
C- costante;
- M=C.M[X]
- L'aspettativa matematica della somma dei valori presi a caso è uguale alla somma delle loro aspettative matematiche:
- L'aspettativa matematica del prodotto di variabili indipendenti prese a caso = il prodotto delle loro aspettative matematiche:
M=M[X]+M[Y]
Se X E Y indipendente.
se la serie converge:
Algoritmo per il calcolo dell'aspettativa matematica.
Proprietà delle variabili casuali discrete: tutti i loro valori possono essere rinumerati con numeri naturali; assegnare a ciascun valore una probabilità diversa da zero.
1. Moltiplica le coppie una per una: x io SU p i.
2. Aggiungi il prodotto di ciascuna coppia x i p i.
Per esempio, Per N = 4 :
Funzione di distribuzione di una variabile casuale discreta gradualmente, aumenta bruscamente in quei punti le cui probabilità hanno un segno positivo.
Esempio: Trova l'aspettativa matematica utilizzando la formula.
L'aspettativa è la distribuzione di probabilità di una variabile casuale
Aspettativa matematica, definizione, aspettativa matematica di variabili casuali discrete e continue, campione, aspettativa condizionata, calcolo, proprietà, problemi, stima dell'aspettativa, dispersione, funzione di distribuzione, formule, esempi di calcolo
Espandi i contenuti
Comprimi contenuto
L'aspettativa matematica è la definizione
Uno dei concetti più importanti della statistica matematica e della teoria della probabilità, che caratterizza la distribuzione di valori o probabilità di una variabile casuale. Tipicamente espresso come media ponderata di tutti i possibili parametri di una variabile casuale. Ampiamente utilizzato nell'analisi tecnica, nello studio delle serie numeriche e nello studio di processi continui e dispendiosi in termini di tempo. È importante per valutare i rischi, prevedere gli indicatori di prezzo durante le negoziazioni sui mercati finanziari e viene utilizzato nello sviluppo di strategie e metodi di tattiche di gioco nella teoria del gioco d'azzardo.
L'aspettativa matematica lo è il valore medio di una variabile casuale, la distribuzione di probabilità di una variabile casuale è considerata nella teoria della probabilità.
L'aspettativa matematica lo è una misura del valore medio di una variabile casuale nella teoria della probabilità. Aspettativa di una variabile casuale X denotato da M(x).
L'aspettativa matematica lo è
L'aspettativa matematica lo è nella teoria della probabilità, media ponderata di tutti i possibili valori che può assumere una variabile casuale.
L'aspettativa matematica lo è la somma dei prodotti di tutti i possibili valori di una variabile casuale e le probabilità di questi valori.
L'aspettativa matematica lo è il beneficio medio derivante da una particolare decisione, a condizione che tale decisione possa essere considerata nel quadro della teoria dei grandi numeri e delle lunghe distanze.
L'aspettativa matematica lo è nella teoria del gioco d'azzardo, l'importo delle vincite che un giocatore può guadagnare o perdere, in media, per ciascuna scommessa. Nel gergo del gioco d'azzardo, questo è talvolta chiamato "vantaggio del giocatore" (se è positivo per il giocatore) o "vantaggio della casa" (se è negativo per il giocatore).
L'aspettativa matematica lo è la percentuale di profitto per vincita moltiplicata per il profitto medio, meno la probabilità di perdita moltiplicata per la perdita media.
Aspettativa matematica di una variabile casuale nella teoria matematica
Una delle caratteristiche numeriche importanti di una variabile casuale è la sua aspettativa matematica. Introduciamo il concetto di sistema di variabili casuali. Consideriamo un insieme di variabili casuali che sono il risultato dello stesso esperimento casuale. Se è uno dei possibili valori del sistema, allora l’evento corrisponde ad una certa probabilità che soddisfa gli assiomi di Kolmogorov. Una funzione definita per qualsiasi possibile valore di variabili casuali è chiamata legge di distribuzione congiunta. Questa funzione consente di calcolare le probabilità di eventuali eventi da. In particolare, la legge di distribuzione congiunta delle variabili aleatorie e, che assumono valori dall'insieme e, è data dalle probabilità.
Il termine “aspettativa matematica” fu introdotto da Pierre Simon Marquis de Laplace (1795) e deriva dal concetto di “valore atteso delle vincite”, apparso per la prima volta nel XVII secolo nella teoria del gioco d’azzardo nelle opere di Blaise Pascal e Christiaan. Huygens. Tuttavia, la prima comprensione teorica e valutazione completa di questo concetto fu data da Pafnuty Lvovich Chebyshev (metà del XIX secolo).
La legge di distribuzione delle variabili numeriche casuali (funzione di distribuzione e serie di distribuzione o densità di probabilità) descrive completamente il comportamento di una variabile casuale. Ma in una serie di problemi è sufficiente conoscere alcune caratteristiche numeriche della quantità in esame (ad esempio il suo valore medio e la possibile deviazione da esso) per rispondere alla domanda posta. Le principali caratteristiche numeriche delle variabili casuali sono l'aspettativa matematica, la varianza, la moda e la mediana.
L'aspettativa matematica di una variabile casuale discreta è la somma dei prodotti dei suoi possibili valori e delle loro probabilità corrispondenti. A volte l'aspettativa matematica è chiamata media ponderata, poiché è approssimativamente uguale alla media aritmetica dei valori osservati di una variabile casuale su un gran numero di esperimenti. Dalla definizione di aspettativa matematica segue che il suo valore non è inferiore al valore più piccolo possibile di una variabile casuale e non superiore al più grande. L'aspettativa matematica di una variabile casuale è una variabile non casuale (costante).
L'aspettativa matematica ha un significato fisico semplice: se si posiziona un'unità di massa su una linea retta, posizionando una certa massa in alcuni punti (per una distribuzione discreta), o “imbrattandola” con una certa densità (per una distribuzione assolutamente continua) , quindi il punto corrispondente all'aspettativa matematica sarà la coordinata del "centro di gravità" diritta.
Il valore medio di una variabile casuale è un certo numero che è, per così dire, il suo “rappresentante” e lo sostituisce in calcoli approssimativamente approssimativi. Quando diciamo: "il tempo di funzionamento medio della lampada è di 100 ore" o "il punto medio di impatto è spostato rispetto al bersaglio di 2 m a destra", indichiamo una certa caratteristica numerica di una variabile casuale che descrive la sua posizione sull'asse numerico, cioè "caratteristiche di posizione".
Tra le caratteristiche di una posizione nella teoria della probabilità, il ruolo più importante è giocato dall'aspettativa matematica di una variabile casuale, che a volte viene chiamata semplicemente valore medio di una variabile casuale.
Consideriamo la variabile casuale X, aventi valori possibili x1, x2, …, xn con probabilità p1, p2, …, p. Dobbiamo caratterizzare con qualche numero la posizione dei valori di una variabile casuale sull'asse x, tenendo conto del fatto che questi valori hanno probabilità diverse. A questo scopo è naturale utilizzare la cosiddetta “media ponderata” dei valori xi, e ciascun valore xi durante la media dovrebbe essere preso in considerazione con un “peso” proporzionale alla probabilità di questo valore. Pertanto, calcoleremo la media della variabile casuale X, che denotiamo M |X|:
Questa media ponderata è chiamata aspettativa matematica della variabile casuale. Pertanto, abbiamo preso in considerazione uno dei concetti più importanti della teoria della probabilità: il concetto di aspettativa matematica. L'aspettativa matematica di una variabile casuale è la somma dei prodotti di tutti i possibili valori di una variabile casuale e delle probabilità di questi valori.
Xè collegato da una peculiare dipendenza con la media aritmetica dei valori osservati della variabile casuale su un gran numero di esperimenti. Questa dipendenza è dello stesso tipo della dipendenza tra frequenza e probabilità, vale a dire: con un gran numero di esperimenti, la media aritmetica dei valori osservati di una variabile casuale si avvicina (converge in probabilità) alla sua aspettativa matematica. Dalla presenza di un collegamento tra frequenza e probabilità si può dedurre di conseguenza la presenza di un analogo collegamento tra media aritmetica e aspettativa matematica. Consideriamo infatti la variabile casuale X, caratterizzato da una serie di distribuzione:
Lascia che sia prodotto N esperimenti indipendenti, in ciascuno dei quali il valore X assume un certo valore. Supponiamo che il valore x1 apparso m1 volte, valore x2 apparso m2 volte, significato generale xiè apparso mi volte. Calcoliamo la media aritmetica dei valori osservati del valore X, che, contrariamente all'aspettativa matematica M|X| denotiamo M*|X|:
Con un numero crescente di esperimenti N frequenze pi si avvicinerà (convergerà in probabilità) alle probabilità corrispondenti. Di conseguenza, la media aritmetica dei valori osservati della variabile casuale M|X| con l'aumento del numero di esperimenti si avvicinerà (convergerà in probabilità) alla sua aspettativa matematica. Il collegamento tra media aritmetica e aspettativa matematica sopra formulato costituisce il contenuto di una delle forme della legge dei grandi numeri.
Sappiamo già che tutte le forme della legge dei grandi numeri affermano che alcune medie sono stabili su un gran numero di esperimenti. Qui stiamo parlando della stabilità della media aritmetica di una serie di osservazioni della stessa quantità. Con un numero limitato di esperimenti, la media aritmetica dei risultati è casuale; con un aumento sufficiente del numero di esperimenti, diventa “quasi non casuale” e, stabilizzandosi, si avvicina a un valore costante: l'aspettativa matematica.
La stabilità delle medie su un gran numero di esperimenti può essere facilmente verificata sperimentalmente. Ad esempio, quando si pesa un corpo in un laboratorio su una bilancia precisa, come risultato della pesatura otteniamo ogni volta un nuovo valore; Per ridurre l'errore di osservazione, pesiamo il corpo più volte e utilizziamo la media aritmetica dei valori ottenuti. È facile vedere che con un ulteriore aumento del numero di esperimenti (pesate), la media aritmetica reagisce sempre meno a questo aumento e, con un numero di esperimenti sufficientemente elevato, praticamente cessa di cambiare.
Va notato che la caratteristica più importante della posizione di una variabile casuale - l'aspettativa matematica - non esiste per tutte le variabili casuali. È possibile comporre esempi di tali variabili casuali per le quali l'aspettativa matematica non esiste, poiché la somma o integrale corrispondente diverge. Tuttavia, tali casi non presentano un interesse significativo per la pratica. Tipicamente, le variabili casuali con cui abbiamo a che fare hanno una gamma limitata di valori possibili e, ovviamente, hanno un’aspettativa matematica.
Oltre alle caratteristiche più importanti della posizione di una variabile casuale - l'aspettativa matematica - in pratica vengono talvolta utilizzate altre caratteristiche della posizione, in particolare la moda e la mediana della variabile casuale.
La moda di una variabile casuale è il suo valore più probabile. Il termine "valore più probabile" in senso stretto si applica solo a quantità discontinue; per una quantità continua, la moda è il valore in corrispondenza del quale la densità di probabilità è massima. Le figure mostrano rispettivamente la moda per variabili casuali discontinue e continue.
Se il poligono di distribuzione (curva di distribuzione) ha più di un massimo, la distribuzione è detta “multimodale”.
A volte ci sono distribuzioni che hanno un minimo nel mezzo anziché un massimo. Tali distribuzioni sono chiamate “antimodali”.
Nel caso generale, la moda e l’aspettativa matematica di una variabile casuale non coincidono. Nel caso particolare, quando la distribuzione è simmetrica e modale (cioè ha una moda) e c'è un'aspettativa matematica, allora coincide con la modalità e il centro di simmetria della distribuzione.
Viene spesso utilizzata un'altra caratteristica di posizione: la cosiddetta mediana di una variabile casuale. Questa caratteristica viene solitamente utilizzata solo per variabili casuali continue, sebbene possa essere definita formalmente per una variabile discontinua. Geometricamente la mediana è l'ascissa del punto in cui l'area racchiusa dalla curva di distribuzione è divisa a metà.
Nel caso di una distribuzione modale simmetrica, la mediana coincide con l'aspettativa e la moda matematica.
L'aspettativa matematica è il valore medio di una variabile casuale - una caratteristica numerica della distribuzione di probabilità di una variabile casuale. Nel modo più generale, l'aspettativa matematica di una variabile casuale X(l)è definito come integrale di Lebesgue rispetto alla misura di probabilità R nello spazio di probabilità originale:
L'aspettativa matematica può anche essere calcolata come integrale di Lebesgue X mediante distribuzione di probabilità px le quantità X:
Il concetto di variabile casuale con aspettativa matematica infinita può essere definito in modo naturale. Un tipico esempio sono i tempi di ritorno di alcune passeggiate casuali.
Utilizzando l'aspettativa matematica si determinano molte caratteristiche numeriche e funzionali di una distribuzione (come l'aspettativa matematica delle corrispondenti funzioni di una variabile casuale), ad esempio la funzione generatrice, la funzione caratteristica, i momenti di qualsiasi ordine, in particolare la dispersione, la covarianza .
L'aspettativa matematica è una caratteristica della posizione dei valori di una variabile casuale (il valore medio della sua distribuzione). In questa veste, l'aspettativa matematica funge da parametro di distribuzione “tipico” e il suo ruolo è simile al ruolo del momento statico – la coordinata del baricentro della distribuzione di massa – nella meccanica. Dalle altre caratteristiche del luogo con l'aiuto delle quali la distribuzione è descritta in termini generali - mediane, modalità, aspettativa matematica differisce per il valore maggiore che essa e la corrispondente caratteristica di dispersione - la dispersione - hanno nei teoremi limite della teoria della probabilità. Il significato dell'aspettativa matematica è rivelato in modo più completo dalla legge dei grandi numeri (disuguaglianza di Chebyshev) e dalla legge rafforzata dei grandi numeri.
Aspettativa di una variabile casuale discreta
Lascia che ci sia una variabile casuale che può assumere uno dei diversi valori numerici (ad esempio, il numero di punti quando si lancia un dado può essere 1, 2, 3, 4, 5 o 6). Spesso nella pratica, per un valore del genere, sorge la domanda: che valore assume “in media” con un numero elevato di test? Quale sarà il nostro reddito (o perdita) medio da ciascuna delle transazioni rischiose?
Diciamo che esiste una specie di lotteria. Vogliamo capire se conviene o meno parteciparvi (o anche parteciparvi ripetutamente, regolarmente). Diciamo che un biglietto su quattro è un vincitore, il premio sarà di 300 rubli e il prezzo di ogni biglietto sarà di 100 rubli. Con un numero infinitamente grande di partecipazioni, questo è ciò che accade. In tre quarti dei casi perderemo, ogni tre perdite costerà 300 rubli. In ogni quarto caso vinceremo 200 rubli. (premio meno costo), cioè per quattro partecipazioni perdiamo in media 100 rubli, per una - in media 25 rubli. In totale, la tariffa media della nostra rovina sarà di 25 rubli per biglietto.
Lanciamo i dadi. Se non si tratta di imbrogliare (senza spostare il baricentro, ecc.), quanti punti avremo in media alla volta? Poiché ciascuna opzione è ugualmente probabile, prendiamo semplicemente la media aritmetica e otteniamo 3,5. Poiché questo è nella MEDIA, non c'è bisogno di indignarsi per il fatto che nessun tiro specifico darà 3,5 punti - beh, questo cubo non ha una faccia con un numero del genere!
Ora riassumiamo i nostri esempi:
Diamo un'occhiata all'immagine appena fornita. A sinistra c'è una tabella della distribuzione di una variabile casuale. Il valore X può assumere uno degli n valori possibili (mostrati nella riga superiore). Non possono esserci altri significati. Sotto ogni valore possibile, la sua probabilità è scritta di seguito. Sulla destra c'è la formula, dove M(X) è chiamata aspettativa matematica. Il significato di questo valore è che con un gran numero di test (con un campione ampio), il valore medio tenderà a questa stessa aspettativa matematica.
Torniamo di nuovo allo stesso cubo da gioco. L'aspettativa matematica del numero di punti durante il lancio è 3,5 (calcolalo tu stesso usando la formula se non mi credi). Diciamo che l'hai lanciato un paio di volte. I risultati sono stati 4 e 6. La media era 5, che è ben lontana da 3,5. L'hanno lanciato ancora una volta e hanno ottenuto 3, cioè in media (4 + 6 + 3)/3 = 4,3333... In qualche modo lontano dalle aspettative matematiche. Ora fai un esperimento pazzesco: lancia il cubo 1000 volte! E anche se la media non è esattamente 3,5, ci si avvicinerà comunque.
Calcoliamo l'aspettativa matematica per la lotteria sopra descritta. La piastra sarà simile a questa:
Quindi l’aspettativa matematica sarà, come stabilito sopra:
Un'altra cosa è che farlo “sulle dita”, senza una formula, sarebbe difficile se ci fossero più opzioni. Bene, diciamo che ci sarebbero il 75% di biglietti perdenti, il 20% di biglietti vincenti e il 5% soprattutto di biglietti vincenti.
Ora alcune proprietà dell'aspettativa matematica.
È facile da dimostrare:
Il fattore costante può essere preso come segno dell'aspettativa matematica, cioè:
Questo è un caso speciale della proprietà di linearità dell'aspettativa matematica.
Un'altra conseguenza della linearità dell'aspettativa matematica:
cioè, l'aspettativa matematica della somma delle variabili casuali è uguale alla somma delle aspettative matematiche delle variabili casuali.
Siano X, Y variabili casuali indipendenti, Poi:
Anche questo è facile da dimostrare) Lavoro XY stessa è una variabile casuale e se i valori iniziali potrebbero assumere N E M valori di conseguenza, quindi XY può assumere valori nm. La probabilità di ciascun valore viene calcolata in base al fatto che le probabilità di eventi indipendenti vengono moltiplicate. Di conseguenza, otteniamo questo:
Aspettativa di una variabile casuale continua
Le variabili casuali continue hanno una caratteristica come la densità di distribuzione (densità di probabilità). Caratterizza essenzialmente la situazione in cui una variabile casuale assume alcuni valori dall'insieme dei numeri reali più spesso e altri meno spesso. Consideriamo ad esempio questo grafico:
Qui X- variabile casuale effettiva, f(x)- densità di distribuzione. A giudicare da questo grafico, durante gli esperimenti il valore X sarà spesso un numero vicino allo zero. Le possibilità sono superate 3 o essere più piccolo -3 piuttosto puramente teorico.
Supponiamo, ad esempio, che la distribuzione sia uniforme:
Ciò è abbastanza coerente con la comprensione intuitiva. Diciamo che se riceviamo molti numeri reali casuali con una distribuzione uniforme, ciascuno dei segmenti |0; 1| , allora la media aritmetica dovrebbe essere circa 0,5.
Qui sono applicabili anche le proprietà dell'aspettativa matematica - linearità, ecc., applicabili per variabili casuali discrete.
Rapporto tra aspettativa matematica e altri indicatori statistici
Nell'analisi statistica, insieme all'aspettativa matematica, esiste un sistema di indicatori interdipendenti che riflettono l'omogeneità dei fenomeni e la stabilità dei processi. Gli indicatori di variazione spesso non hanno un significato autonomo e vengono utilizzati per ulteriori analisi dei dati. L'eccezione è il coefficiente di variazione, che caratterizza l'omogeneità dei dati, che è una caratteristica statistica preziosa.
Il grado di variabilità o stabilità dei processi nella scienza statistica può essere misurato utilizzando diversi indicatori.
L'indicatore più importante che caratterizza la variabilità di una variabile casuale è Dispersione, che è più strettamente e direttamente correlato all'aspettativa matematica. Questo parametro viene utilizzato attivamente in altri tipi di analisi statistica (test di ipotesi, analisi delle relazioni causa-effetto, ecc.). Come la deviazione lineare media, anche la varianza riflette l’entità della diffusione dei dati attorno al valore medio.
È utile tradurre il linguaggio dei segni nel linguaggio delle parole. Risulta che la dispersione è il quadrato medio delle deviazioni. Cioè, viene prima calcolato il valore medio, quindi la differenza tra ciascun valore originale e medio viene presa, elevata al quadrato, aggiunta e quindi divisa per il numero di valori nella popolazione. La differenza tra un valore individuale e la media riflette la misura della deviazione. È quadrato in modo che tutte le deviazioni diventino esclusivamente numeri positivi e per evitare la distruzione reciproca delle deviazioni positive e negative quando le si sommano. Quindi, date le deviazioni al quadrato, calcoliamo semplicemente la media aritmetica. Media - quadrato - deviazioni. Le deviazioni vengono quadrati e viene calcolata la media. La risposta alla parola magica “dispersione” è racchiusa in sole tre parole.
Tuttavia, nella sua forma pura, come la media aritmetica o l'indice, la dispersione non viene utilizzata. Si tratta piuttosto di un indicatore ausiliario e intermedio utilizzato per altri tipi di analisi statistiche. Non ha nemmeno una normale unità di misura. A giudicare dalla formula, questo è il quadrato dell'unità di misura dei dati originali.
Misuriamo una variabile casuale N volte, ad esempio, misuriamo la velocità del vento dieci volte e vogliamo trovare il valore medio. In che modo il valore medio è correlato alla funzione di distribuzione?
Oppure lanceremo i dadi un gran numero di volte. Il numero di punti che appariranno sui dadi ad ogni lancio è una variabile casuale e può assumere qualsiasi valore naturale da 1 a 6. Anche la media aritmetica dei punti persi calcolata per tutti i lanci di dado è una variabile casuale, ma per grandi N tende a un numero molto specifico: l'aspettativa matematica Mx. In questo caso Mx = 3,5.
Come hai ottenuto questo valore? Far entrare N test n1 una volta ottenuto 1 punto, n2 una volta - 2 punti e così via. Quindi il numero di risultati in cui è caduto un punto:
Allo stesso modo per i risultati quando vengono lanciati 2, 3, 4, 5 e 6 punti.
Supponiamo ora di conoscere la legge di distribuzione della variabile casuale x, ovvero di sapere che la variabile casuale x può assumere valori x1, x2, ..., xk con probabilità p1, p2, ..., p.c.
L'aspettativa matematica Mx di una variabile casuale x è pari a:
L'aspettativa matematica non è sempre una stima ragionevole di qualche variabile casuale. Pertanto, per stimare lo stipendio medio, è più ragionevole utilizzare il concetto di mediana, cioè un valore tale che il numero di persone che ricevono uno stipendio inferiore alla mediana e uno superiore coincidano.
La probabilità p1 che la variabile casuale x sia inferiore a x1/2 e la probabilità p2 che la variabile casuale x sia maggiore di x1/2 sono uguali e pari a 1/2. La mediana non è determinata univocamente per tutte le distribuzioni.
Standard o Deviazione Standard nelle statistiche, viene chiamato il grado di deviazione dei dati o degli insiemi osservativi dal valore MEDIA. Indicato con le lettere s o s. Una deviazione standard piccola indica che i dati si raggruppano attorno alla media, mentre una deviazione standard ampia indica che i dati iniziali si trovano lontano da essa. La deviazione standard è uguale alla radice quadrata di una quantità chiamata varianza. È la media della somma dei quadrati delle differenze dei dati iniziali che si discostano dal valore medio. La deviazione standard di una variabile casuale è la radice quadrata della varianza:
Esempio. In condizioni di test quando si spara a un bersaglio, calcolare la dispersione e la deviazione standard della variabile casuale:
Variazione- fluttuazione, mutevolezza del valore di una caratteristica tra unità della popolazione. I singoli valori numerici di una caratteristica riscontrata nella popolazione in studio sono chiamati varianti di valori. L'insufficienza del valore medio per caratterizzare compiutamente la popolazione ci costringe a integrare i valori medi con indicatori che permettano di valutare la tipicità di queste medie misurando la variabilità (variazione) della caratteristica oggetto di studio. Il coefficiente di variazione si calcola utilizzando la formula:
Gamma di variazione(R) rappresenta la differenza tra i valori massimo e minimo dell'attributo nella popolazione oggetto di studio. Questo indicatore dà l'idea più generale della variabilità della caratteristica studiata, poiché mostra la differenza solo tra i valori massimi delle opzioni. La dipendenza dai valori estremi di una caratteristica conferisce all'ambito di variazione un carattere instabile e casuale.
Deviazione lineare media rappresenta la media aritmetica degli scostamenti assoluti (modulo) di tutti i valori della popolazione analizzata dal loro valore medio:
Aspettativa matematica nella teoria del gioco d'azzardo
L'aspettativa matematica lo è L'importo medio di denaro che un giocatore può vincere o perdere con una determinata scommessa. Questo è un concetto molto importante per il giocatore perché fondamentale per la valutazione della maggior parte delle situazioni di gioco. L'aspettativa matematica è anche lo strumento ottimale per analizzare i layout di base delle carte e le situazioni di gioco.
Diciamo che stai giocando a un gioco con monete con un amico, scommettendo equamente $ 1 ogni volta, qualunque cosa accada. Croce significa che vinci, testa significa che perdi. Le probabilità che esca testa sono una a uno, quindi scommetti da $ 1 a $ 1. Pertanto, la tua aspettativa matematica è zero, perché Da un punto di vista matematico, non puoi sapere se sarai in vantaggio o perderai dopo due tiri o dopo 200.
Il tuo guadagno orario è zero. Le vincite orarie sono la quantità di denaro che ti aspetti di vincere in un'ora. Puoi lanciare una moneta 500 volte in un'ora, ma non vincerai né perderai perché... le tue possibilità non sono né positive né negative. Se lo guardi, dal punto di vista di un giocatore serio, questo sistema di scommesse non è male. Ma questa è semplicemente una perdita di tempo.
Ma supponiamo che qualcuno voglia scommettere $ 2 contro $ 1 sullo stesso gioco. Quindi hai immediatamente un'aspettativa positiva di 50 centesimi per ogni scommessa. Perché 50 centesimi? In media, vinci una scommessa e perdi la seconda. Scommetti il primo dollaro e perderai $ 1, scommetti il secondo e vincerai $ 2. Scommetti $1 due volte e sei avanti di $1. Quindi ciascuna delle tue scommesse da un dollaro ti ha fruttato 50 centesimi.
Se una moneta appare 500 volte in un'ora, la tua vincita oraria sarà già di $ 250, perché... In media, hai perso un dollaro 250 volte e hai vinto due dollari 250 volte. $ 500 meno $ 250 equivalgono a $ 250, ovvero la vincita totale. Tieni presente che il valore atteso, ovvero l'importo medio vinto per scommessa, è di 50 centesimi. Hai vinto $ 250 scommettendo un dollaro 500 volte, che equivale a 50 centesimi per scommessa.
Le aspettative matematiche non hanno nulla a che fare con i risultati a breve termine. Il tuo avversario, che ha deciso di scommettere $ 2 contro di te, potrebbe batterti nei primi dieci lanci di fila, ma tu, avendo un vantaggio di scommessa di 2 a 1, a parità di altre condizioni, guadagnerai 50 centesimi su ogni $ scommesso in qualsiasi circostanze. Non fa differenza se vinci o perdi una scommessa o più scommesse, purché tu abbia abbastanza soldi per coprire comodamente i costi. Se continui a scommettere allo stesso modo, per un lungo periodo di tempo le tue vincite si avvicineranno alla somma delle aspettative nei singoli lanci.
Ogni volta che effettui una scommessa migliore (una scommessa che potrebbe rivelarsi redditizia a lungo termine), quando le probabilità sono a tuo favore, sei destinato a vincere qualcosa, non importa se la perdi o meno. data la mano. Al contrario, se effettui una scommessa sfavorita (una scommessa che non è redditizia a lungo termine) quando le probabilità sono contro di te, perdi qualcosa indipendentemente dal fatto che tu vinca o perda la mano.
Piazza una scommessa con il miglior risultato se le tue aspettative sono positive, ed è positiva se le probabilità sono dalla tua parte. Quando effettui una scommessa con il risultato peggiore, hai un'aspettativa negativa, che accade quando le probabilità sono contro di te. I giocatori seri scommettono solo sul risultato migliore; se accade il peggio, abbandonano. Cosa significano le probabilità a tuo favore? Potresti finire per vincere più di quanto portino le probabilità reali. Le probabilità reali che esca testa sono 1 a 1, ma ottieni 2 a 1 a causa del rapporto di probabilità. In questo caso, le probabilità sono a tuo favore. Ottieni sicuramente il miglior risultato con un'aspettativa positiva di 50 centesimi per scommessa.
Ecco un esempio più complesso di aspettativa matematica. Un amico scrive i numeri da uno a cinque e scommette $ 5 contro $ 1 che non indovinerai il numero. Dovresti accettare una scommessa del genere? Qual è l'aspettativa qui?
In media sbaglierai quattro volte. Sulla base di ciò, le probabilità che tu non indovini il numero sono 4 a 1. Le probabilità che tu perda un dollaro in un tentativo. Tuttavia, vinci 5 a 1, con la possibilità di perdere 4 a 1. Quindi le probabilità sono a tuo favore, puoi accettare la scommessa e sperare nel miglior risultato. Se effettui questa scommessa cinque volte, in media perderai $ 1 quattro volte e vincerai $ 5 una volta. In base a ciò, per tutti e cinque i tentativi guadagnerai $ 1 con un'aspettativa matematica positiva di 20 centesimi per scommessa.
Un giocatore che vincerà più di quanto scommette, come nell'esempio sopra, sta rischiando. Al contrario, rovina le sue possibilità quando si aspetta di vincere meno di quanto scommette. Uno scommettitore può avere un'aspettativa positiva o negativa, a seconda che vinca o rovini le quote.
Se scommetti $ 50 per vincere $ 10 con una possibilità di vincita di 4 a 1, otterrai un'aspettativa negativa di $ 2 perché In media, vincerai $ 10 quattro volte e perderai $ 50 una volta, il che dimostra che la perdita per scommessa sarà di $ 10. Ma se scommetti $ 30 per vincere $ 10, con le stesse probabilità di vincere 4 a 1, allora in questo caso hai un'aspettativa positiva di $ 2, perché vinci ancora $ 10 quattro volte e perdi $ 30 una volta, per un profitto di $ 10. Questi esempi mostrano che la prima scommessa è sbagliata e la seconda è buona.
L’aspettativa matematica è il centro di ogni situazione di gioco. Quando un bookmaker incoraggia i tifosi di calcio a scommettere 11 dollari per vincere 10 dollari, ha un’aspettativa positiva di 50 centesimi per ogni 10 dollari. Se il casinò paga alla pari i soldi dalla pass line in craps, allora l'aspettativa positiva del casinò sarà di circa $ 1,40 per ogni $ 100, perché Questo gioco è strutturato in modo tale che chi scommette su questa linea perde in media il 50,7% e vince il 49,3% del tempo totale. Indubbiamente, è questa aspettativa positiva apparentemente minima che porta enormi profitti ai proprietari di casinò di tutto il mondo. Come ha osservato Bob Stupak, proprietario del casinò Vegas World, “una probabilità negativa di un millesimo dell’1% su una distanza sufficientemente lunga rovinerà l’uomo più ricco del mondo”.
Aspettative quando si gioca a poker
Il gioco del poker è l'esempio più illustrativo ed illustrativo dal punto di vista dell'utilizzo della teoria e delle proprietà dell'aspettativa matematica.
Il valore atteso nel poker è il beneficio medio derivante da una particolare decisione, a condizione che tale decisione possa essere considerata nel quadro della teoria dei grandi numeri e della lunga distanza. Un gioco di poker di successo consiste nell'accettare sempre mosse con valore atteso positivo.
Il significato matematico dell'aspettativa matematica quando giochiamo a poker è che spesso incontriamo variabili casuali quando prendiamo decisioni (non sappiamo quali carte ha in mano l'avversario, quali carte arriveranno nei successivi giri di puntate). Dobbiamo considerare ciascuna delle soluzioni dal punto di vista della teoria dei grandi numeri, la quale afferma che con un campione sufficientemente ampio, il valore medio di una variabile casuale tenderà alla sua aspettativa matematica.
Tra le formule particolari per calcolare l'aspettativa matematica, la seguente è più applicabile nel poker:
Quando si gioca a poker, il valore atteso può essere calcolato sia per le puntate che per le chiamate. Nel primo caso bisognerebbe tenere conto della fold equity, nel secondo delle quote proprie della banca. Quando valuti l'aspettativa matematica di una mossa particolare, dovresti ricordare che una piega ha sempre un'aspettativa pari a zero. Pertanto, scartare le carte sarà sempre una decisione più redditizia rispetto a qualsiasi mossa negativa.
Le aspettative ti dicono cosa puoi aspettarti (profitto o perdita) per ogni dollaro che rischi. I casinò guadagnano perché l’aspettativa matematica di tutti i giochi giocati al loro interno è a favore del casinò. Con una serie di giochi sufficientemente lunga, puoi aspettarti che il cliente perda i suoi soldi, poiché le “probabilità” sono a favore del casinò. Tuttavia, i giocatori di casinò professionisti limitano i loro giochi a brevi periodi di tempo, aumentando così le probabilità a loro favore. Lo stesso vale per gli investimenti. Se le tue aspettative sono positive, puoi guadagnare di più effettuando molte operazioni in un breve periodo di tempo. L'aspettativa è la percentuale di profitto per vincita moltiplicata per il profitto medio, meno la probabilità di perdita moltiplicata per la perdita media.
Il poker può essere considerato anche dal punto di vista delle aspettative matematiche. Potresti presumere che una certa mossa sia redditizia, ma in alcuni casi potrebbe non essere la migliore perché un'altra mossa è più redditizia. Diciamo che hai centrato un full nel poker a cinque carte. Il tuo avversario fa una scommessa. Sai che se rilanci la scommessa, lui risponderà. Pertanto, rilanciare sembra essere la tattica migliore. Ma se rilanci la scommessa, i restanti due giocatori lasceranno sicuramente. Ma se chiami, hai piena fiducia che gli altri due giocatori dietro di te faranno lo stesso. Quando rilanci la tua scommessa ottieni una unità, e quando chiami semplicemente ne ottieni due. Pertanto, chiamare ti dà un valore atteso positivo più elevato e sarà la tattica migliore.
L'aspettativa matematica può anche dare un'idea di quali tattiche di poker siano meno redditizie e quali siano più redditizie. Ad esempio, se giochi una certa mano e pensi che la tua perdita sarà in media di 75 centesimi compreso l'ante, allora dovresti giocare quella mano perché questo è meglio che passare quando l'ante è $ 1.
Un altro motivo importante per comprendere il concetto di valore atteso è che ti dà un senso di tranquillità se vinci o meno la scommessa: se hai fatto una buona scommessa o hai passato al momento giusto, saprai di aver guadagnato o meno risparmiato una certa somma di denaro che il giocatore più debole non poteva risparmiare. È molto più difficile passare se sei arrabbiato perché il tuo avversario ha pescato una mano più forte. Con tutto ciò, il denaro che risparmi non giocando invece di scommettere viene aggiunto alle tue vincite della notte o del mese.
Ricorda solo che se avessi cambiato mano, il tuo avversario ti avrebbe chiamato e, come vedrai nell'articolo Il Teorema Fondamentale del Poker, questo è solo uno dei tuoi vantaggi. Dovresti essere felice quando ciò accade. Puoi anche imparare a divertirti nel perdere una mano perché sai che altri giocatori nella tua posizione avrebbero perso molto di più.
Come accennato all’inizio nell’esempio del gioco con le monete, il tasso orario di profitto è correlato all’aspettativa matematica, e questo concetto è particolarmente importante per i giocatori professionisti. Quando vai a giocare a poker, dovresti valutare mentalmente quanto puoi vincere in un'ora di gioco. Nella maggior parte dei casi dovrai fare affidamento sul tuo intuito e sulla tua esperienza, ma puoi anche usare un po' di matematica. Ad esempio, stai giocando a draw lowball e vedi tre giocatori scommettere $ 10 e poi scambiare due carte, che è una pessima tattica, puoi capire che ogni volta che scommettono $ 10, perdono circa $ 2. Ognuno di loro lo fa otto volte all’ora, il che significa che tutti e tre perdono circa 48 dollari all’ora. Tu sei uno dei restanti quattro giocatori che sono approssimativamente uguali, quindi questi quattro giocatori (e tu tra loro) devono dividersi $ 48, ottenendo ciascuno un profitto di $ 12 l'ora. Le tue quote orarie in questo caso sono semplicemente pari alla tua quota della somma di denaro persa da tre giocatori scadenti in un'ora.
Su un lungo periodo di tempo, le vincite totali del giocatore sono la somma delle sue aspettative matematiche nelle singole mani. Più mani giochi con aspettative positive, più vinci e, viceversa, più mani giochi con aspettative negative, più perdi. Di conseguenza, dovresti scegliere un gioco in grado di massimizzare la tua anticipazione positiva o annullare quella negativa in modo da poter massimizzare le tue vincite orarie.
Aspettativa matematica positiva nella strategia di gioco
Se sai contare le carte, puoi avere un vantaggio rispetto al casinò, purché non se ne accorgano e ti buttino fuori. I casinò amano i giocatori ubriachi e non tollerano i giocatori che contano le carte. Un vantaggio ti consentirà di vincere più volte di quelle che perdi nel tempo. Una buona gestione del denaro utilizzando i calcoli del valore atteso può aiutarti a ottenere maggiori profitti dal tuo vantaggio e a ridurre le perdite. Senza un vantaggio, è meglio dare i soldi in beneficenza. Nel gioco di borsa il vantaggio è dato dal sistema di gioco, che crea profitti maggiori rispetto alle perdite, alle differenze di prezzo e alle commissioni. Nessuna gestione del denaro può salvare un cattivo sistema di gioco.
Un'aspettativa positiva è definita come un valore maggiore di zero. Maggiore è questo numero, più forte è l’aspettativa statistica. Se il valore è inferiore a zero, anche l'aspettativa matematica sarà negativa. Maggiore è il modulo del valore negativo, peggiore è la situazione. Se il risultato è zero, l'attesa è in pareggio. Puoi vincere solo quando hai un'aspettativa matematica positiva e un sistema di gioco ragionevole. Giocare per intuito porta al disastro.
Aspettativa matematica e commercio di azioni
L'aspettativa matematica è un indicatore statistico abbastanza diffuso e popolare quando si effettuano scambi di borsa nei mercati finanziari. Innanzitutto questo parametro viene utilizzato per analizzare il successo del trading. Non è difficile intuire che maggiore è questo valore, maggiori sono le ragioni per considerare di successo il commercio studiato. Naturalmente l’analisi del lavoro di un trader non può essere effettuata utilizzando solo questo parametro. Tuttavia, il valore calcolato, in combinazione con altri metodi di valutazione della qualità del lavoro, può aumentare significativamente l'accuratezza dell'analisi.
L'aspettativa matematica viene spesso calcolata nei servizi di monitoraggio dei conti di trading, che consente di valutare rapidamente il lavoro svolto sul deposito. Le eccezioni includono strategie che utilizzano operazioni non redditizie “sitting out”. Un commerciante può essere fortunato per un po 'di tempo e quindi potrebbero non esserci perdite nel suo lavoro. In questo caso non sarà possibile lasciarsi guidare solo dall'aspettativa matematica, perché i rischi utilizzati nel lavoro non verranno presi in considerazione.
Nel trading di mercato, l'aspettativa matematica viene spesso utilizzata quando si prevede la redditività di qualsiasi strategia di trading o quando si prevede il reddito di un trader sulla base dei dati statistici delle sue operazioni precedenti.
Per quanto riguarda la gestione del denaro, è molto importante capire che quando si effettuano operazioni con aspettative negative, non esiste uno schema di gestione del denaro che possa sicuramente portare profitti elevati. Se continui a giocare in borsa in queste condizioni, indipendentemente da come gestisci i tuoi soldi, perderai l'intero conto, non importa quanto fosse grande all'inizio.
Questo assioma è vero non solo per i giochi o le operazioni con aspettative negative, ma anche per i giochi con pari probabilità. Pertanto, l’unica volta in cui hai la possibilità di trarre profitto a lungo termine è se effettui operazioni con valore atteso positivo.
La differenza tra aspettativa negativa e aspettativa positiva è la differenza tra vita e morte. Non importa quanto positiva o negativa sia l'aspettativa; Ciò che conta è se è positivo o negativo. Pertanto, prima di considerare la gestione del denaro, dovresti trovare un gioco con aspettative positive.
Se non hai quel gioco, tutta la gestione del denaro del mondo non ti salverà. D’altra parte, se hai un’aspettativa positiva, puoi, attraverso una corretta gestione del denaro, trasformarla in una funzione di crescita esponenziale. Non importa quanto piccola sia l'aspettativa positiva! In altre parole, non importa quanto sia redditizio un sistema commerciale basato su un unico contratto. Se disponi di un sistema che guadagna $ 10 per contratto per operazione (al netto delle commissioni e dello slippage), puoi utilizzare tecniche di gestione del denaro per renderlo più redditizio rispetto a un sistema che guadagna in media $ 1.000 per operazione (al netto delle commissioni e dello slippage).
Ciò che conta non è quanto sia stato redditizio il sistema, ma quanto si possa dire che il sistema produrrà almeno un profitto minimo in futuro. Pertanto, la preparazione più importante che un trader può fare è garantire che il sistema mostri un valore atteso positivo in futuro.
Per avere un valore atteso positivo in futuro, è molto importante non limitare i gradi di libertà del proprio sistema. Ciò si ottiene non solo eliminando o riducendo il numero di parametri da ottimizzare, ma anche riducendo il maggior numero possibile di regole di sistema. Ogni parametro che aggiungi, ogni regola che apporti, ogni piccola modifica che apporti al sistema riduce il numero di gradi di libertà. Idealmente, è necessario costruire un sistema abbastanza primitivo e semplice che genererà costantemente piccoli profitti in quasi tutti i mercati. Ancora una volta, è importante capire che non importa quanto sia redditizio il sistema, purché lo sia. I soldi che guadagni nel trading verranno guadagnati attraverso un’efficace gestione del denaro.
Un sistema di trading è semplicemente uno strumento che ti dà un valore atteso positivo in modo da poter utilizzare la gestione del denaro. I sistemi che funzionano (mostrano almeno profitti minimi) solo in uno o pochi mercati, o hanno regole o parametri diversi per mercati diversi, molto probabilmente non funzioneranno in tempo reale per un periodo sufficientemente lungo. Il problema con la maggior parte dei trader orientati alla tecnica è che spendono troppo tempo e sforzi per ottimizzare le varie regole e i valori dei parametri del sistema di trading. Ciò dà risultati completamente opposti. Invece di sprecare energia e tempo del computer per aumentare i profitti del sistema commerciale, indirizza la tua energia per aumentare il livello di affidabilità nell'ottenimento di un profitto minimo.
Sapendo che la gestione del denaro è solo un gioco di numeri che richiede l'uso di aspettative positive, un trader può smettere di cercare il "Santo Graal" del commercio di azioni. Invece, può iniziare a testare il suo metodo di trading, scoprire quanto sia logico questo metodo e se dà aspettative positive. I metodi corretti di gestione del denaro, applicati a qualsiasi metodo di trading, anche molto mediocre, faranno il resto del lavoro da soli.
Affinché ogni trader abbia successo nel suo lavoro, deve risolvere tre compiti più importanti: . Per garantire che il numero di transazioni riuscite superi gli inevitabili errori e calcoli errati; Imposta il tuo sistema di trading in modo da avere l'opportunità di guadagnare denaro il più spesso possibile; Ottieni risultati positivi e stabili dalle tue operazioni.
E qui, per noi trader professionisti, l’aspettativa matematica può essere di grande aiuto. Questo termine è uno dei più importanti nella teoria della probabilità. Con il suo aiuto, puoi fornire una stima media di un valore casuale. L'aspettativa matematica di una variabile casuale è simile al centro di gravità, se si immaginano tutte le probabilità possibili come punti con masse diverse.
In relazione a una strategia di trading, l'aspettativa matematica di profitto (o perdita) viene spesso utilizzata per valutarne l'efficacia. Questo parametro è definito come la somma dei prodotti di determinati livelli di profitti e perdite e la probabilità del loro verificarsi. Ad esempio, la strategia di trading sviluppata presuppone che il 37% di tutte le transazioni porterà profitti e la parte rimanente, il 63%, non sarà redditizia. Allo stesso tempo, il reddito medio derivante da una transazione andata a buon fine sarà di 7 dollari e la perdita media sarà di 1,4 dollari. Calcoliamo l'aspettativa matematica del trading utilizzando questo sistema:
Cosa significa questo numero? Si dice che, seguendo le regole di questo sistema, in media riceveremo 1.708$ per ogni transazione chiusa. Poiché l'indice di efficienza risultante è maggiore di zero, un tale sistema può essere utilizzato per il lavoro reale. Se, come risultato del calcolo, l'aspettativa matematica risulta negativa, ciò indica già una perdita media e tale negoziazione porterà alla rovina.
L'importo del profitto per transazione può anche essere espresso come valore relativo sotto forma di %. Per esempio:
– percentuale di reddito per 1 transazione - 5%;
– percentuale di operazioni di trading riuscite - 62%;
– percentuale di perdita per 1 transazione - 3%;
– percentuale di transazioni non riuscite - 38%;
Cioè, il commercio medio porterà l'1,96%.
È possibile sviluppare un sistema che, nonostante la predominanza di operazioni non redditizie, produca un risultato positivo, poiché il suo MO>0.
Tuttavia, aspettare da solo non è sufficiente. È difficile fare soldi se il sistema fornisce pochissimi segnali di trading. In questo caso, la sua redditività sarà paragonabile agli interessi bancari. Supponiamo che ogni operazione produca in media solo 0,5 dollari, ma cosa succederebbe se il sistema prevedesse 1000 operazioni all'anno? Si tratterà di una cifra molto significativa in un tempo relativamente breve. Ne consegue logicamente che un'altra caratteristica distintiva di un buon sistema commerciale può essere considerata un breve periodo di mantenimento delle posizioni.
Fonti e collegamenti
dic.academic.ru – dizionario accademico online
mathatematic.ru – sito web educativo in matematica
nsu.ru – sito web educativo dell'Università statale di Novosibirsk
webmath.ru è un portale educativo per studenti, candidati e scolari.
exponenta.ru sito web educativo matematico
ru.tradimo.com – scuola di trading online gratuita
crypto.hut2.ru – risorsa informativa multidisciplinare
poker-wiki.ru – enciclopedia gratuita del poker
sernam.ru – Biblioteca scientifica di pubblicazioni selezionate di scienze naturali
reshim.su – sito web RISOLVEREMO i problemi relativi ai corsi di prova
unfx.ru – Forex su UNFX: formazione, segnali di trading, gestione della fiducia
slovopedia.com – Grande dizionario enciclopedico Slovopedia
pokermansion.3dn.ru – La tua guida nel mondo del poker
statanaliz.info – blog informativo “Analisi statistica dei dati”
forex-trader.rf – Portale dei trader Forex
megafx.ru – analisi Forex attuale
fx-by.com – tutto per un trader
Nella teoria della probabilità e in molte delle sue applicazioni, varie caratteristiche numeriche delle variabili casuali sono di grande importanza. I principali sono l’aspettativa matematica e la varianza.
1. Aspettativa matematica di una variabile casuale e sue proprietà.
Consideriamo innanzitutto il seguente esempio. Lascia che la pianta riceva un lotto composto da N cuscinetti. In cui:
m1 x1,
m2- numero di cuscinetti con diametro esterno x2,
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
m n- numero di cuscinetti con diametro esterno x n,
Qui m1 +m2 +...+mn =N. Troviamo la media aritmetica x media diametro esterno del cuscinetto. Ovviamente,
Il diametro esterno di un cuscinetto prelevato a caso può essere considerato una variabile casuale che assume valori x1, x2, ..., x n, con probabilità corrispondenti p1=m1/N, p2=m2/N, ..., p n = m n /N, poiché la probabilità p i aspetto di un cuscinetto con diametro esterno x io uguale a m io/N. Quindi la media aritmetica x media Il diametro esterno del cuscinetto può essere determinato utilizzando la relazione 
Sia una variabile casuale discreta con una data legge di distribuzione di probabilità
Valori
x1
x2
. . .
x n
Probabilità
pag 1
p2
. . .
pn
Aspettativa matematica variabile casuale discretaè la somma dei prodotti accoppiati di tutti i possibili valori di una variabile casuale per le loro probabilità corrispondenti, cioè *
In questo caso si assume che esista l'integrale improprio a lato destro dell'uguaglianza (40).
Consideriamo le proprietà dell'aspettativa matematica. In questo caso ci limiteremo alla dimostrazione delle sole prime due proprietà, che effettueremo per variabili aleatorie discrete.
1°. L'aspettativa matematica della costante C è uguale a questa costante.
Prova. Costante C può essere pensata come una variabile casuale che può assumere un solo valore C con probabilità pari a uno. Ecco perché 
2°. Il fattore costante può essere portato oltre il segno dell'aspettativa matematica, cioè. 
Prova. Usando la relazione (39), abbiamo 
3°. L'aspettativa matematica della somma di più variabili casuali è uguale alla somma delle aspettative matematiche di queste variabili:
Valore atteso- il valore medio di una variabile casuale (distribuzione di probabilità di una variabile casuale stazionaria) quando il numero di campioni o il numero di misurazioni (a volte chiamato numero di test) tende all'infinito.
Viene solitamente chiamata la media aritmetica di una variabile casuale unidimensionale di un numero finito di prove stima delle aspettative matematiche. Poiché il numero di prove di un processo casuale stazionario tende all'infinito, la stima dell'aspettativa matematica tende all'aspettativa matematica.
L'aspettativa matematica è uno dei concetti base della teoria della probabilità).
YouTube enciclopedico
1 / 5
✪ Aspettativa e varianza - bezbotvy
✪ Teoria della probabilità 15: Aspettativa
✪ Aspettativa matematica
✪ Aspettativa e varianza. Teoria
✪ Aspettativa matematica nel trading
Sottotitoli
Definizione
Sia dato uno spazio di probabilità (Ω , A , P) (\displaystyle (\Omega ,(\mathfrak (A)),\mathbb (P))) e una variabile casuale definita su di esso X (\displaystyle X). Cioè, per definizione, X: Ω → R (\displaystyle X\due punti \Omega \to \mathbb (R) )- funzione misurabile. Se esiste un integrale di Lebesgue di X (\displaystyle X) per spazio Ω (\displaystyle \Omega ), allora viene chiamata aspettativa matematica o valore medio (previsto) ed è denotata M [ X ] (\displaystyle M[X]) O E [ X ] (\displaystyle \mathbb (E) [X]).
M [ X ] = ∫ Ω X (ω) P (d ω) . (\displaystyle M[X]=\int \limits _(\Omega )\!X(\omega)\,\mathbb (P) (d\omega).)Formule di base per l'aspettativa matematica
M [ X ] = ∫ − ∞ ∞ x d F X (x) ; x ∈ R (\displaystyle M[X]=\int \limits _(-\infty )^(\infty )\!x\,dF_(X)(x);x\in \mathbb (R) ).
Aspettativa matematica di una distribuzione discreta
P (X = x i) = p io , ∑ i = 1 ∞ p i = 1 (\displaystyle \mathbb (P) (X=x_(i))=p_(i),\;\sum \limits _(i=1 )^(\infty )p_(i)=1),quindi segue direttamente dalla definizione dell'integrale di Lebesgue che
M [ X ] = ∑ i = 1 ∞ x io p i (\displaystyle M[X]=\sum \limits _(i=1)^(\infty )x_(i)\,p_(i)).Aspettativa di un valore intero
P (X = j) = p j , j = 0 , 1 , . . . ; ∑ j = 0 ∞ p j = 1 (\displaystyle \mathbb (P) (X=j)=p_(j),\;j=0,1,...;\quad \sum \limits _(j=0 )^(\infty )p_(j)=1)quindi la sua aspettativa matematica può essere espressa attraverso la funzione generatrice della sequenza ( p io ) (\displaystyle \(p_(i)\))
P (s) = ∑ k = 0 ∞ p k s k (\displaystyle P(s)=\sum _(k=0)^(\infty )\;p_(k)s^(k))come valore della derivata prima nell'unità: M [ X ] = P ′ (1) (\displaystyle M[X]=P"(1)). Se l'aspettativa matematica X (\displaystyle X) infinitamente, quindi lim s → 1 P ′ (s) = ∞ (\displaystyle \lim _(s\to 1)P"(s)=\infty ) e scriveremo P′ (1) = M [ X ] = ∞ (\displaystyle P"(1)=M[X]=\infty )
Consideriamo ora la funzione generatrice Q(s) (\displaystyle Q(s)) sequenze di code di distribuzione (qk) (\displaystyle \(q_(k)\))
q k = P (X > k) = ∑ j = k + 1 ∞ p j ; Q (s) = ∑ k = 0 ∞ q k s k . (\displaystyle q_(k)=\mathbb (P) (X>k)=\sum _(j=k+1)^(\infty )(p_(j));\quad Q(s)=\sum _(k=0)^(\infty )\;q_(k)s^(k).)Questa funzione generatrice è correlata alla funzione precedentemente definita P(s) (\displaystyle P(s)) proprietà: Q (s) = 1 - P (s) 1 - s (\displaystyle Q(s)=(\frac (1-P(s))(1-s))) A | s |< 1 {\displaystyle |s|<1} . Da ciò, per il teorema del valore medio, ne consegue che l'aspettativa matematica è semplicemente uguale al valore di questa funzione nell'unità:
M [ X ] = P′ (1) = Q (1) (\displaystyle M[X]=P"(1)=Q(1))Aspettativa matematica di una distribuzione assolutamente continua
M [ X ] = ∫ − ∞ ∞ x f X (x) d x (\displaystyle M[X]=\int \limits _(-\infty )^(\infty )\!xf_(X)(x)\,dx ).Aspettativa matematica di un vettore casuale
Permettere X = (X 1 , … , X n) ⊤ : Ω → R n (\displaystyle X=(X_(1),\dots ,X_(n))^(\top )\colon \Omega \to \mathbb ( R)^(n))- vettore casuale. Quindi per definizione
M [ X ] = (M [ X 1 ] , … , M [ X n ]) ⊤ (\displaystyle M[X]=(M,\dots ,M)^(\top )),cioè, l'aspettativa matematica di un vettore è determinata componente per componente.
Aspettativa di trasformazione di una variabile casuale
Permettere g: R → R (\displaystyle g\colon \mathbb (R) \to \mathbb (R) )è una funzione Borel tale che la variabile casuale Y = g(X) (\displaystyle Y=g(X)) ha un'aspettativa matematica finita. Allora la formula è valida
M [ g (X) ] = ∑ i = 1 ∞ g (x i) p i , (\displaystyle M\left=\sum \limits _(i=1)^(\infty )g(x_(i))p_( io),)Se X (\displaystyle X) ha una distribuzione discreta;
M [ g (X) ] = ∫ − ∞ ∞ g (x) f X (x) d x , (\displaystyle M\left=\int \limits _(-\infty )^(\infty )\!g(x )f_(X)(x)\,dx,)Se X (\displaystyle X) ha una distribuzione assolutamente continua.
Se la distribuzione PX (\displaystyle \mathbb (P)^(X)) variabile casuale X (\displaystyle X) visione generale, quindi
M [ g (X) ] = ∫ − ∞ ∞ g (x) P X (d x) . (\displaystyle M\left=\int \limits _(-\infty )^(\infty )\!g(x)\,\mathbb (P) ^(X)(dx).)Nel caso speciale quando g (X) = X k (\displaystyle g(X)=X^(k)), valore atteso M [ g (X) ] = M [ X k ] (\displaystyle M=M) chiamato k (\displaystyle k)-m momento della variabile casuale.
Le proprietà più semplici dell'aspettativa matematica
- L'aspettativa matematica di un numero è il numero stesso.
- L'aspettativa matematica è lineare, cioè
