Как построить математическое ожидание. Числовые характеристики случайных величин

Математическое ожидание и дисперсия - чаще всего применяемые числовые характеристики случайной величины. Они характеризуют самые важные черты распределения: его положение и степень разбросанности. Во многих задачах практики полная, исчерпывающая характеристика случайной величины - закон распределения - или вообще не может быть получена, или вообще не нужна. В этих случаях ограничиваются приблизительным описанием случайной величины с помощью числовых характеристик.

Математическое ожидание часто называют просто средним значением случайной величины. Дисперсия случайной величины - характеристика рассеивания, разбросанности случайной величины около её математического ожидания.

Математическое ожидание дискретной случайной величины

Подойдём к понятию математического ожидания, сначала исходя из механической интерпретации распределения дискретной случайной величины. Пусть единичная масса распределена между точками оси абсцисс x 1 , x 2 , ..., x n , причём каждая материальная точка имеет соответствующую ей массу из p 1 , p 2 , ..., p n . Требуется выбрать одну точку на оси абсцисс, характеризующую положение всей системы материальных точек, с учётом их масс. Естественно в качестве такой точки взять центр массы системы материальных точек. Это есть среднее взвешенное значение случайной величины X , в которое абсцисса каждой точки x i входит с "весом", равным соответствующей вероятности. Полученное таким образом среднее значение случайной величины X называется её математическим ожиданием.

Математическим ожиданием дискретной случайной величины называется сумма произведений всех возможных её значений на вероятности этих значений:

Пример 1. Организована беспроигрышная лотерея. Имеется 1000 выигрышей, из них 400 по 10 руб. 300 - по 20 руб. 200 - по 100 руб. и 100 - по 200 руб. Каков средний размер выигрыша для купившего один билет?

Решение. Средний выигрыш мы найдём, если общую сумму выигрышей, которая равна 10*400 + 20*300 + 100*200 + 200*100 = 50000 руб, разделим на 1000 (общая сумма выигрышей). Тогда получим 50000/1000 = 50 руб. Но выражение для подсчёта среднего выигрыша можно представить и в следующем виде:

С другой стороны, в данных условиях размер выигрыша является случайной величиной, которая может принимать значения 10, 20, 100 и 200 руб. с вероятностями, равными соответственно 0,4; 0,3; 0,2; 0,1. Следовательно, ожидаемый средний выигрыш равен сумме произведений размеров выигрышей на вероятности их получения.

Пример 2. Издатель решил издать новую книгу. Продавать книгу он собирается за 280 руб., из которых 200 получит он сам, 50 - книжный магазин и 30 - автор. В таблице дана информация о затратах на издание книги и вероятности продажи определённого числа экземпляров книги.

Найти ожидаемую прибыль издателя.

Решение. Случайная величина "прибыль" равна разности доходов от продажи и стоимости затрат. Например, если будет продано 500 экземпляров книги, то доходы от продажи равны 200*500=100000, а затраты на издание 225000 руб. Таким образом, издателю грозит убыток размером в 125000 руб. В следующей таблице обобщены ожидаемые значения случайной величины - прибыли:

Число	Прибыль x i	Вероятность p i	x i p i
500	-125000	0,20	-25000
1000	-50000	0,40	-20000
2000	100000	0,25	25000
3000	250000	0,10	25000
4000	400000	0,05	20000
Всего:		1,00	25000

Таким образом, получаем математическое ожидание прибыли издателя:

.

Пример 3. Вероятность попадания при одном выстреле p = 0,2 . Определить расход снарядов, обеспечивающих математическое ожидание числа попаданий, равное 5.

Решение. Из всё той же формулы математического ожидания, которую мы использовали до сих пор, выражаем x - расход снарядов:

.

Пример 4. Определить математическое ожидание случайной величины x числа попаданий при трёх выстрелах, если вероятность попадания при каждом выстреле p = 0,4 .

Подсказка: вероятность значений случайной величины найти по формуле Бернулли .

Свойства математического ожидания

Рассмотрим свойства математического ожидания.

Свойство 1. Математическое ожидание постоянной величины равно этой постоянной:

Свойство 2. Постоянный множитель можно выносить за знак математического ожидания:

Свойство 3. Математическое ожидание суммы (разности) случайных величин равно сумме (разности) их математических ожиданий:

Свойство 4. Математическое ожидание произведения случайных величин равно произведению их математических ожиданий:

Свойство 5. Если все значения случайной величины X уменьшить (увеличить) на одно и то же число С , то её математическое ожидание уменьшится (увеличится) на то же число:

Когда нельзя ограничиваться только математическим ожиданием

В большинстве случаев только математическое ожидание не может в достаточной степени характеризовать случайную величину.

Пусть случайные величины X и Y заданы следующими законами распределения:

Значение X	Вероятность
-0,1	0,1
-0,01	0,2
0	0,4
0,01	0,2
0,1	0,1

Значение Y	Вероятность
-20	0,3
-10	0,1
0	0,2
10	0,1
20	0,3

Математические ожидания этих величин одинаковы - равны нулю:

Однако характер распределения их различный. Случайная величина X может принимать только значения, мало отличающиеся от математического ожидания, а случайная величина Y может принимать значения, значительно отклоняющиеся от математического ожидания. Аналогичный пример: средняя заработная плата не даёт возможности судить об удельном весе высоко- и низкооплачиваемых рабочих. Иными словами, по математическому ожиданию нельзя судить о том, какие отклонения от него, хотя бы в среднем, возможны. Для этого нужно найти дисперсию случайной величины.

Дисперсия дискретной случайной величины

Дисперсией дискретной случайной величины X называется математическое ожидание квадрата отклонения её от математического ожидания:

Средним квадратическим отклонением случайной величины X называется арифметическое значение квадратного корня её дисперсии:

.

Пример 5. Вычислить дисперсии и средние квадратические отклонения случайных величин X и Y , законы распределения которых приведены в таблицах выше.

Решение. Математические ожидания случайных величин X и Y , как было найдено выше, равны нулю. Согласно формуле дисперсии при Е (х )=Е (y )=0 получаем:

Тогда средние квадратические отклонения случайных величин X и Y составляют

.

Таким образом, при одинаковых математических ожиданиях дисперсия случайной величины X очень мала, а случайной величины Y - значительная. Это следствие различия в их распределении.

Пример 6. У инвестора есть 4 альтернативных проекта инвестиций. В таблице обобщены данные об ожидаемой прибыли в этих проектах с соответствующей вероятностью.

Проект 1	Проект 2	Проект 3	Проект 4
500, P =1	1000, P =0,5	500, P =0,5	500, P =0,5
	0, P =0,5	1000, P =0,25	10500, P =0,25
		0, P =0,25	9500, P =0,25

Найти для каждой альтернативы математическое ожидание, дисперсию и среднее квадратическое отклонение.

Решение. Покажем, как вычисляются эти величины для 3-й альтернативы:

В таблице обобщены найденные величины для всех альтернатив.

У всех альтернатив одинаковы математические ожидания. Это означает, что в долгосрочном периоде у всех - одинаковые доходы. Стандартное отклонение можно интерпретировать как единицу измерения риска - чем оно больше, тем больше риск инвестиций. Инвестор, который не желает большого риска, выберет проект 1, так как у него наименьшее стандартное отклонение (0). Если же инвестор отдаёт предпочтение риску и большим доходам в короткий период, то он выберет проект наибольшим стандартным отклонением - проект 4.

Свойства дисперсии

Приведём свойства дисперсии.

Свойство 1. Дисперсия постоянной величины равна нулю:

Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его при этом в квадрат:

.

Свойство 3. Дисперсия случайной величины равна математическому ожиданию квадрата этой величины, из которого вычтен квадрат математического ожидания самой величины:

,

где .

Свойство 4. Дисперсия суммы (разности) случайных величин равна сумме (разности) их дисперсий:

Пример 7. Известно, что дискретная случайная величина X принимает лишь два значения: −3 и 7. Кроме того, известно математическое ожидание: E (X ) = 4 . Найти дисперсию дискретной случайной величины.

Решение. Обозначим через p вероятность, с которой случайная величина принимает значение x 1 = −3 . Тогда вероятностью значения x 2 = 7 будет 1 − p . Выведем уравнение для математического ожидания:

E (X ) = x 1 p + x 2 (1 − p ) = −3p + 7(1 − p ) = 4 ,

откуда получаем вероятности: p = 0,3 и 1 − p = 0,7 .

Закон распределения случайной величины:

X	−3	7
p	0,3	0,7

Дисперсию данной случайной величины вычислим по формуле из свойства 3 дисперсии:

D (X ) = 2,7 + 34,3 − 16 = 21 .

Найти математическое ожидание случайной величины самостоятельно, а затем посмотреть решение

Пример 8. Дискретная случайная величина X принимает лишь два значения. Большее из значений 3 она принимает с вероятностью 0,4. Кроме того, известна дисперсия случайной величины D (X ) = 6 . Найти математическое ожидание случайной величины.

Пример 9. В урне 6 белых и 4 чёрных шара. Из урны вынимают 3 шара. Число белых шаров среди вынутых шаров является дискретной случайной величиной X . Найти математическое ожидание и дисперсию этой случайной величины.

Решение. Случайная величина X может принимать значения 0, 1, 2, 3. Соответствующие им вероятности можно вычислить по правилу умножения вероятностей . Закон распределения случайной величины:

X	0	1	2	3
p	1/30	3/10	1/2	1/6

Отсюда математическое ожидание данной случайной величины:

M (X ) = 3/10 + 1 + 1/2 = 1,8 .

Дисперсия данной случайной величины:

D (X ) = 0,3 + 2 + 1,5 − 3,24 = 0,56 .

Математическое ожидание и дисперсия непрерывной случайной величины

Для непрерывной случайной величины механическая интерпретация математического ожидания сохранит тот же смысл: центр массы для единичной массы, распределённой непрерывно на оси абсцисс с плотностью f (x ). В отличие от дискретной случайной величиной, у которой аргумент функции x i изменяется скачкообразно, у непрерывной случайной величины аргумент меняется непрерывно. Но математическое ожидание непрерывной случайной величины также связано с её средним значением.

Чтобы находить математическое ожидание и дисперсию непрерывной случайной величины, нужно находить определённые интегралы . Если дана функция плотности непрерывной случайной величины, то она непосредственно входит в подынтегральное выражение. Если дана функция распределения вероятностей, то, дифференцируя её, нужно найти функцию плотности.

Арифметическое среднее всех возможных значений непрерывной случайной величины называется её математическим ожиданием , обозначаемым или .

Наберитесь терпения и прочитайте это..

Игра с положительным математическим ожиданием - жизненно важная концепция для всех спекулянтов, это концепция, на которой строится система веры, но сама концепция не может быть построена на вере. Казино не работают на вере. Казино оперирует, управляя своим бизнесом, основываясь на чистой математике. Казино знает, что, в конечном счете, законы рулетки и игры в кости возьмут верх. Поэтому казино не дает игре останавливаться. Казино не против того чтобы подождать, но казино не останавливается и играет круглые сутки, ведь чем дольше вы играете в его игру отрицательного математического ожидания, тем больше организаторы казино уверены, что получат ваши деньги.

Трейдеру необходимо иметь понятие о математическом ожидании. В зависимости от того, у кого математическое преимущество в игре, оно называется либо преимуществом игрока - положительное ожидание, либо преимуществом игорного дома - отрицательное ожидание. Допустим, мы играем с вами в орла-или-решку. Ни у вас, ни у меня нет преимущества у каждого 50% шансов на выигрыш. Но если мы перенесем эту игру в казино, которое снимает 10% с каждого кона, то вы выиграете только 90 центов на каждый проигранный доллар. Это преимущество игорного дома оборачивается для вас как игрока сильным отрицательным математическим ожиданием. И ни одна система контроля, над капиталом, ни одна стратегия не может одолеть игру с отрицательным ожиданием.

В играх с отрицательным математическим ожиданием не имеется никакой схемы управления деньгами (стратегии) которая сделает вас победителем.

Интересная штука рулетка, передовик всех азартных игр, в основу возьмем ее. Итак, казино, крики, шум, эмоции и роскошная показуха, но мы сосредоточимся на рулетке. Давайте рассчитаем математическое ожидание игры в рулетку, если играть только на красное-черное (в трейдинге кстати это лонг или шорт). Итак на рулетке всего 38 игровых полей - 36 цифр (18 красных и 18 черных полей), а также два зеро (возьмем релетку с двумя зеро). Таким образом, вероятность выигрыша при ставке на красное или черное составляет приблизительно 0.45 (18/38). В случае положительного исхода ставки мы удваиваем свою ставку, а в случае неудачи теряем все поставленное. Ах да, в случае выпадения зеро мы так же теряем свои деньги. Отсюда имеем отрицательное математическое ожидание. Данную игру можно назвать невыгодной по причине наличия среди игровых полей двух зеро, при выпадении которых нашу ставку забирает в свою пользу казино. Одна ячейка - это примерно 2,6% колеса рулетки, две ячейки это более 5%, именно такой процент хозяева казино кладут себе в карман в среднем с каждой сделки, так казино медленно выкачивает деньги из клиентов, зарабатывая уже много десятилетий.

Безусловно для казино эта игра с положительным математическим ожиданием, при двух зеро казино получит деньги игрока в двадцати случаях из 38. И чем больше игра будет продолжаться, тем больше казино получит прибыли.

А каково математическое ожидание финансовых игр? Ставки на финансовые инструменты обладают всеми внешними атрибутами азартных игр, финансовые игры на бирже распыляют зеро рулетки на большое количество компонентов вероятности - спрэд, комиссионные бирже, комиссионные брокеру, абоненская плата за пользованием биржевого терминала, плата за перевод средств на счета и по сути 13% налог на будущую прибыль в совокупности являются своеобразными аналогами зеро рулетки . Это дает основание говорить об отрицательном, изначально неблагоприятном математическом ожидании для игрока (трейдера).

Я хочу что бы вы поняли - Никакой метод управления капиталом, никакая стратегия, не может превратить отрицательное ожидание в положительное. Это абсолютно верное замечание. Математических доказательств этому утверждению нет. Однако это не означает, что такое не может произойти. Конечно в азартных играх участник может выйти на полосу выигрышей, совпадений и просто прекратить игру, в результате такой человек по сути окажется победителем. Но на долго ли он завяжет с игрой?...

Поэтому единственный случай, когда у вас есть шанс выиграть в долгосрочной перспективе, - это игра с положительным математическим ожиданием . Думаю, вы можете выиграть как правило при многократном использовании ставки одинакового размера и только при отсутствии верхнего поглощающего барьера . Азартный игрок, который начинает со 100 долларов, прекратит играть, если его счет вырастит до 101 доллара. Эта верхняя цель (101 доллар) называется поглощающим барьером. Допустим, игрок всегда ставит 1 доллар на красный цвет рулетки где 18 полос красные, 18 полос черные, 2 полосы ноль, при нуле деньги уходят в казино. Таким образом, игра идет при небольшом отрицательном математическом ожидании. У игрока больше шансов увидеть, как его счет вырастет до 101 доллара и игрок прекратит играть, чем то, что его счет уменьшится до нуля, и игроку будет не на что играть. Если игрок будет играть на рулетке снова и снова, то окажется жертвой отрицательного математического ожидания. Если сыграть в такую игру только раз, то аксиома неизбежного банкротства, конечно же, не применима, если сыграть один раз то скажем так сила отрицательного мат. ожидания будет максимально слаба. Различие между отрицательным ожиданием и положительным ожиданием - это различие между жизнью и смертью вашего депозита.

Когда вы понимаете, что игра имеет отрицательное математическое ожидание, то лучшей ставкой будет отсутствие ставки. Помните, что нет стратегии управления деньгами, которая может превратить проигрышную игру в выигрышную . Допустим вы все же должны сделать ставку в игре с отрицательным ожиданием, то наилучшей стратегией будет «стратегия максимальной смелости» . Другими словами, вам надо сделать как можно меньше ставок (в противоположность игре с положительным ожиданием, где следует ставить как можно чаще, желательно вообще не выходить из игры). Итак чем больше попыток, тем больше вероятность, что при отрицательном ожидании вы проиграете. Поэтому при отрицательном ожидании меньше возможности для проигрыша, если длина игры укорачивается (то есть когда число попыток приближается к 1). Если вы играете в игру, где есть шанс 49% выиграть 1 доллар и 51% проиграть 1 доллар, то лучше всего сделать только одну попытку. Чем больше ставок вы будете делать, тем больше сила вероятности, что вы проиграете (с вероятностью проигрыша, приближающейся к 100% уверенности, когда игра приближается к бесконечности при отрицательном мат. ожидании).

Организаторы игры, казино - не расскажут трейдеру о математическом ожидании, «они» расскажут трейдеру о возможности выиграть и найдут различные причины для трейдера сделать ставку. Слушая организаторов игры и огромного количества околорыночников которые получают комиссию не рискуя своими деньгами трейдер полагает, что для успешной игры важно проанализировать график, новости, нарисовать черточки по лженауке тех анализа и тем самым найти подходящий момент для открытия позиций и этим якобы повысить надежность своей системы-стратегии (если она есть) и победить рынок. Но правда кроется в том, что не менее 97% людей, пытающихся изобрести системы-стратегии трейдинга, просто пытаются найти идеальный входной сигнал . Этот входной сигнал бессилен против изначального математически отрицательного ожидания. Фактически трейдеры почти всегда говорят о своих системах, имеющих коэффициент надежности не менее 60%. Но при этом их удивляет, почему они не зарабатывают денег, в долгосрочной перспективе трейдеры теряют деньги! Поймите, даже система с высоким процентом выигрышей при отрицательном математическом ожидании это путь в никуда, лучшее что может сделать трейдер это остановиться на полосе побед и больше не входить в рынок.

Еще такая интересная подробность, допустим вы начинаете игру с одного доллара, выигрываете при первом броске и зарабатываете доллар. При следующем броске вы ставите весь счет (2 доллара), однако на этот раз проигрываете и теряете их. Вы проиграли первоначальную сумму в 1 доллар и 1 доллара прибыли, Дело в том, что если вы используете 100% счета, то выйдете из игры, как только столкнетесь с проигрышем который является неизбежным событием. Из этого вытекает важное правило, если вы все таки начали игру, то играйте одинаковыми ставками, а прибыль забирайте себе. Не входите в рынок большими ставками при отрицательном математическом о

Постоянно краткосрочные трейдеры рассказывают типа Я успешный дэй-трейдер. Вхожу в рынок и выхожу из него по нескольку раз в день. И почти каждый день зарабатываю деньги. Но за один вчерашний день я потерял почти годовую прибыль и очень этим расстроен. Такие ошибки возникают в результате изменения ставки, попадании в ловушку с использованием плечей и эмоциональном трейдинге. Подбор входа, заработок в течении некоторого времени и слив счета в итоге, это судьба подавляющего большинства трейдеров играющих но поле отрицательного мат. ожидания.

Как трейдеры борятся с рынком? Попытки преломить отрицательное математическое ожидание – это одинаковые серии ставок по одинаковым «событиям». Это - классический пример азартной игры, где участники пытаются воспользоваться сериями. Единственный случай, который приводит их к проигрышу при таком подходе, - это когда в серии наблюдается много одинаковых выпадений подряд. Серии, чем более мелкие тем лучше - более эффективны чем слепая игра, тем не менее серии не обеспечивают положительное математическое ожидание.

Все вы наверно слышали про Мартингейл, это усовершенствованная стратегия серий. Тут игрок начинает с минимальной ставки, обычно с 1 доллара, и после каждого проигрыша удваивает ставку. Теоретически он рано или поздно должен выиграть и тогда получит обратно все проигранное плюс один доллар. После этого он опять может сделать минимальную ставку и начать сначала. Базовая концепция метода Мартингейл строится на том, что по мере уменьшения суммы в результате убытков возможность компенсации потерь либо увеличивается, либо остается прежней. Это популярный тип управления капиталом для игроков в азартные игры. Система удвоения выглядит беспроигрышной до того момента, когда вы сообразите, что длинная полоса неудач разорит любого игрока, сколь бы богат он ни был. Игрок, начавший с 1 доллара и проигравший 46 раз, должен поставить 47-ю ставку в 70 триллионов долларов , а это больше, чем стоимость всего мира (примерно 50 триллионов). Ясно, что намного раньше у него кончатся деньги или он упрется в ограничения его депозита или казино. Считаю что система удвоения бесполезна, если у вас отрицательное математическое ожидание и слишком рискованна для того что бы использовать эту систему на свои деньги.

В бесконечном продолжении игра с отрицательным математическим ожиданием является бесперспективной. Но при ограниченном числе серий вероятность выйти победителем есть. Либо нужно искать мат. положительную игру где возможная прибыль будет больше, чем возможный убыток на 1 ставку.

Большинство трейдеров гибнут от одной из двух пуль это незнание и эмоции. Профаны играют по наитию, ввязываясь в сделки, которые им - вследствие отрицательного математического ожидания - следовало бы пропустить. Если они выживают, то, подучившись, начинают разрабатывать системы поумнее. Затем, уверившись в себе, они высовывают голову из окопа - и попадают под вторую пулю. От самонадеянности они ставят слишком много на одну сделку и вылетают из игры после короткой вереницы потерь. Эмоциональность оказывает самое непосредственное влияние на финансовый результат, получаемый инвестором - в большей степени игроком от финансовых спекуляций. И чем эмоциональней поведение человека, тем значительней будет отклонение математического ожидания финансовых результатов его торговли от реальности. Для азартных игр, обладающих отрицательным математическим ожиданием финансовые результаты, полученные под влиянием эмоций, это похороны депозита.

Как правило, любые игры с денежным выигрышем, будь это лотерея, ставки на ипподроме и в букмекерских конторах, игральные автоматы и т.п., являются играми с отрицательным математическим ожиданием для игрока. Казино не просто так организуют для вас эти игры. Особенность среднестатистического трейдера состоит в том, что он не способен просчитать все мелочи которые ожидают его в будущем, потому и будущее его игры предрешено.

Хочу что бы вы поняли - участие в любой из игр с отрицательным математическим ожиданием нельзя расценивать как источник стабильного дохода.

Что делать? Каждый решает для себя сам, я нашел математически положительное ожидание на биржевых опционах, но даже там постоянные изменения правил игры брокерами и биржами приводят к сильному уменьшению итогового дохода. Размазанный ноль рулетки на спредах, поборах, брокеров и других мелочах жестоко уменьшает итоговую прибыль, но именно с использованием опционов и только можно выстроить мат+ систему в этом «казино 21 века».

Ищите математически положительное ожидание любыми способами!

Думаю так, ключ к зарабатыванию денег на финансовом рынке состоит в том, чтобы иметь систему с высоким положительным математическим ожиданием, используя эту систему крайне важно использовать изначально установленый размер позиции, работать строго по правилам и многократно и как можно дольше раз продолжать игру и зарабатывать борясь с выходками организаторов этого «казино».

Случайные величины помимо законов распределения могут описываться также числовыми характеристиками .

Математическим ожиданием М (x) случайной величины называется ее среднее значение.

Математическое ожидание дискретной случайной величины вычисляется по формуле

где – значения случайной величины, р i - ихвероятности.

Рассмотрим свойства математического ожидания:

1. Математическое ожидание константы равно самой константе

2. Если случайную величину умножить на некоторое число k, то и математическое ожидание умножится на это же число

М (kx) = kМ (x)

3. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий

М (x 1 + x 2 + … + x n) = М (x 1) + М (x 2) +…+ М (x n)

4. М (x 1 - x 2) = М (x 1) - М (x 2)

5. Для независимых случайных величин x 1 , x 2 , … x n математическое ожидание произведения равно произведению их математических ожиданий

М (x 1 , x 2 , … x n) = М (x 1) М (x 2) … М (x n)

6. М (x - М (x)) = М (x) - М (М(x)) = М (x) - М (x) = 0

Вычислим математическое ожидание для случайной величины из Примера 11.

М (x) = = .

Пример 12. Пусть случайные величины x 1 , x 2 заданы соответственно законами распределения:

x 1 Таблица 2

x 2 Таблица 3

Вычислим М (x 1) и М (x 2)

М (x 1) = (- 0,1) 0,1 + (- 0,01) 0,2 + 0 · 0,4 + 0,01 · 0,2 + 0,1 · 0,1 = 0

М (x 2) = (- 20) 0,3 + (- 10) 0,1 + 0 · 0,2 + 10 · 0,1 + 20 · 0,3 = 0

Математические ожидания обеих случайных величин одинаковы- они равны нулю. Однако характер их распределения различный. Если значения x 1 мало отличаются от своего математического ожидания, то значения x 2 в большой степени отличаются от своего математического ожидания, и вероятности таких отклонений не малы. Эти примеры показывают, что по среднему значению нельзя определить, какие отклонения от него имеют место как в меньшую, так и в большую сторону. Так при одинаковой средней величине выпадающих в двух местностях осадков за год нельзя сказать, что эти местности одинаково благоприятны для сельскохозяйственных работ. Аналогично по показателю средней заработной платы не возможно судить об удельном весе высоко- и низкооплачиваемых работниках. Поэтому, вводится числовая характеристика – дисперсия D (x) , которая характеризует степень отклонения случайной величины от своего среднего значения:

D (x) = M (x - M (x)) 2 . (2)

Дисперсия –это математическое ожидание квадрата отклонения случайной величины от математического ожидания. Для дискретной случайной величины дисперсия вычисляется по формуле:

D (x) = = (3)

Из определения дисперсии следует, что D (x) 0.

Свойства дисперсии:

1. Дисперсия константы равна нулю

2. Если случайную величину умножить на некоторое число k , то дисперсия умножится на квадрат этого числа

D (kx) = k 2 D (x)

3. D (x) = М (x 2) – М 2 (x)

4. Для попарно независимых случайных величин x 1 , x 2 , … x n дисперсия суммы равна сумме дисперсий.

D (x 1 + x 2 + … + x n) = D (x 1) + D (x 2) +…+ D (x n)

Вычислим дисперсию для случайной величины из Примера 11.

Математическое ожидание М (x) = 1. Поэтому по формуле (3) имеем:

D (x) = (0 – 1) 2 ·1/4 + (1 – 1) 2 ·1/2 + (2 – 1) 2 ·1/4 =1·1/4 +1·1/4= 1/2

Отметим, что дисперсию вычислять проще, если воспользоваться свойством 3:

D (x) = М (x 2) – М 2 (x).

Вычислим дисперсии для случайных величин x 1 , x 2 из Примера 12 по этой формуле. Математические ожидания обеих случайных величин равны нулю.

D (x 1) = 0,01· 0,1 + 0,0001· 0,2 + 0,0001· 0,2 + 0,01· 0,1 = 0,001 + 0,00002 + 0,00002 + 0,001 = 0,00204

D (x 2) = (-20) 2 · 0,3 + (-10) 2 · 0,1 + 10 2 · 0,1 + 20 2 · 0,3 = 240 +20 = 260

Чем ближе значение дисперсии к нулю, тем меньше разброс случайной величины относительно среднего значения.

Величина называется среднеквадратическим отклонением . Модой случайной величины x дискретного типа Md называется такое значение случайной величины, которому соответствует наибольшая вероятность.

Модой случайной величины x непрерывного типа Md , называется действительное число, определяемое как точка максимума плотности распределения вероятностей f(x).

Медианой случайной величины x непрерывного типа Mn называется действительное число, удовлетворяющее уравнению

Математическим ожиданием (средним значением) случайной величины X , заданной на дискретном вероятностном пространстве, называется число m =M[X]=∑x i p i , если ряд сходится абсолютно.

Назначение сервиса . С помощью сервиса в онлайн режиме вычисляются математическое ожидание, дисперсия и среднеквадратическое отклонение (см. пример). Кроме этого строится график функции распределения F(X) .

Свойства математического ожидания случайной величины

1. Математическое ожидание постоянной величины равно ей самой: M[C]=C , C – постоянная;
2. M=C M[X]
3. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий: M=M[X]+M[Y]
4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: M=M[X] M[Y] , если X и Y независимы.

Свойства дисперсии

1. Дисперсия постоянной величины равна нулю: D(c)=0.
2. Постоянный множитель можно вынести из-под знака дисперсии, возведя его в квадрат: D(k*X)= k 2 D(X).
3. Если случайные величины X и Y независимы, то дисперсия суммы равна сумме дисперсий: D(X+Y)=D(X)+D(Y).
4. Если случайные величины X и Y зависимы: D(X+Y)=DX+DY+2(X-M[X])(Y-M[Y])
5. Для дисперсии справедлива вычислительная формула:
   D(X)=M(X 2)-(M(X)) 2

Пример . Известны математические ожидания и дисперсии двух независимых случайных величин X и Y: M(x)=8 , M(Y)=7 , D(X)=9 , D(Y)=6 . Найти математическое ожидание и дисперсию случайное величины Z=9X-8Y+7 .
Решение. Исходя из свойств математического ожидания: M(Z) = M(9X-8Y+7) = 9*M(X) - 8*M(Y) + M(7) = 9*8 - 8*7 + 7 = 23.
Исходя из свойств дисперсии: D(Z) = D(9X-8Y+7) = D(9X) - D(8Y) + D(7) = 9^2D(X) - 8^2D(Y) + 0 = 81*9 - 64*6 = 345

Алгоритм вычисления математического ожидания

Свойства дискретных случайных величин: все их значения можно перенумеровать натуральными числами; каждому значению сопоставить отличную от нуля вероятность.

1. Поочередно умножаем пары: x i на p i .
2. Складываем произведение каждой пары x i p i .
   Например, для n = 4: m = ∑x i p i = x 1 p 1 + x 2 p 2 + x 3 p 3 + x 4 p 4

Функция распределения дискретной случайной величины ступенчатая, она возрастает скачком в тех точках, вероятности которых положительны.

Пример №1 .

x i	1	3	4	7	9
p i	0.1	0.2	0.1	0.3	0.3

Математическое ожидание находим по формуле m = ∑x i p i .
Математическое ожидание M[X] .
M[x] = 1*0.1 + 3*0.2 + 4*0.1 + 7*0.3 + 9*0.3 = 5.9
Дисперсию находим по формуле d = ∑x 2 i p i - M[x] 2 .
Дисперсия D[X] .
D[X] = 1 2 *0.1 + 3 2 *0.2 + 4 2 *0.1 + 7 2 *0.3 + 9 2 *0.3 - 5.9 2 = 7.69
Среднее квадратическое отклонение σ(x) .
σ = sqrt(D[X]) = sqrt(7.69) = 2.78

Пример №2 . Дискретная случайная величина имеет следующий ряд распределения:

Х	-10	-5	0	5	10
р	а	0,32	2a	0,41	0,03

Найти величину a , математическое ожидание и среднее квадратическое отклонение этой случайной величины.

Решение. Величину a находим из соотношения: Σp i = 1
Σp i = a + 0,32 + 2 a + 0,41 + 0,03 = 0,76 + 3 a = 1
0.76 + 3 a = 1 или 0.24=3 a , откуда a = 0.08

Пример №3 . Определить закон распределения дискретной случайной величины, если известна её дисперсия, причем х 1 x 1 =6; x 2 =9; x 3 =x; x 4 =15
p 1 =0,3; p 2 =0,3; p 3 =0,1; p 4 =0,3
d(x)=12,96

Решение.
Здесь надо составить формулу нахождения дисперсии d(x) :
d(x) = x 1 2 p 1 +x 2 2 p 2 +x 3 2 p 3 +x 4 2 p 4 -m(x) 2
где матожидание m(x)=x 1 p 1 +x 2 p 2 +x 3 p 3 +x 4 p 4
Для наших данных
m(x)=6*0,3+9*0,3+x 3 *0,1+15*0,3=9+0.1x 3
12,96 = 6 2 0,3+9 2 0,3+x 3 2 0,1+15 2 0,3-(9+0.1x 3) 2
или -9/100 (x 2 -20x+96)=0
Соответственно надо найти корни уравнения, причем их будет два.
x 3 =8, x 3 =12
Выбираем тот, который удовлетворяет условию х 1 x 3 =12

Закон распределения дискретной случайной величины
x 1 =6; x 2 =9; x 3 =12; x 4 =15
p 1 =0,3; p 2 =0,3; p 3 =0,1; p 4 =0,3

Понятие математического ожидания можно рассмотреть на примере с бросанием игрального кубика. При каждом броске фиксируются выпавшие очки. Для их выражения используются натуральные значения в диапазоне 1 – 6.

После определенного количества бросков при помощи не сложных расчетов можно найти среднее арифметическое значение выпавших очков.

Также, как и выпадение любого из значений диапазона, эта величина будет случайной.

А если увеличить количество бросков в несколько раз? При больших количествах бросков среднее арифметическое значение очков будет приближаться к конкретному числу, получившему в теории вероятностей название математического ожидания.

Итак, под математическим ожиданием понимается среднее значение случайной величины. Данный показатель может представляться и в качестве взвешенной суммы значений вероятной величины.

Это понятие имеет несколько синонимов:

• среднее значение;
• средняя величина;
• показатель центральной тенденции;
• первый момент.

Иными словами, оно является ничем иным как числом вокруг которого распределяются значения случайной величины.

В различных сферах человеческой деятельности подходы к пониманию математического ожидания будут несколько отличаться.

Оно может рассматриваться как:

• средняя выгода, полученная от принятия какого-то решения, в том случае, когда такое решение рассматривается с точки зрения теории больших чисел;
• возможная сумма выигрыша либо проигрыша (теория азартных игр), рассчитанная в среднем для каждой из ставок. На сленге они звучат как «преимущество игрока» (позитивно для игрока) либо «преимущество казино» (негативно для игрока);
• процент прибыли, полученной от выигрыша.

Матожидание не является обязательным для абсолютно всех случайных величин. Оно отсутствует для тех у которых наблюдается расхождение соответствующей суммы или интеграла.

Свойства математического ожидания

Как и любому статистическому параметру, математическому ожиданию присущи свойства:

Основные формулы для математического ожидания

Вычисление математического ожидания может выполняться как для случайных величин, характеризующихся как непрерывностью (формула А), так и дискретностью (формула Б):

1. M(X)=∑i=1nxi⋅pi, где xi – значения случайной величины, pi – вероятности:
2. M(X)=∫+∞−∞f(x)⋅xdx, где f(x) – заданная плотность вероятностей.

Примеры вычисления математического ожидания

Пример А.

Можно ли узнать средний рост гномов в сказке о Белоснежке. Известно, что каждый из 7 гномов имел определенный рост: 1,25; 0,98; 1,05; 0,71; 0,56; 0,95 и 0,81 м.

Алгоритм вычислений достаточно прост:

• находим сумму всех значений показателя роста (случайная величина):
  1,25+0,98+1,05+0,71+0,56+0,95+ 0,81 = 6,31;
• полученную сумму делим на количество гномов:
  6,31:7=0,90.

Таким образом, средний рост гномов в сказке равен 90 см. Иными словами таково математическое ожидание роста гномов.

Рабочая формула — М(х)=4 0,2+6 0,3+10 0,5=6

Практическая реализация математического ожидания

К вычислению статистического показателя математического ожидания прибегают в различных сферах практической деятельности. В первую очередь речь идет о коммерческой сфере. Ведь введение Гюйгенсом этого показателя связано с определением шансов, которые могут быть благоприятными, либо напротив неблагоприятными, для какого-то события.

Этот параметр широко применяется для оценки рисков, особенно если речь идет о финансовых вложениях.
Так, в предпринимательстве расчет математического ожидания выступает в качестве метода для оценивания риска при расчете цен.

Также данный показатель может использоваться при расчете эффективности проведения тех или иных мероприятий, например, по охране труда. Благодаря ему можно вычислить вероятность наступления события.

Еще одна сфера применения данного параметра – менеджмент. Также он может рассчитываться при контроле качества продукции. Например, при помощи мат. ожидания можно рассчитать возможное количество изготовления бракованных деталей.

Незаменимым мат.ожидание оказывается и при проведении статистической обработки полученных в ходе научных исследований результатов. Он позволяет рассчитать и вероятность проявления желательного либо нежелательного исхода эксперимента или исследования в зависимости от уровня достижения поставленной цели. Ведь ее достижение может ассоциироваться с выигрышем и выгодой, а ее не достижение – в качестве проигрыша либо убытка.

Использование математического ожидания на Форекс

Практическое применение данного статистического параметра возможно при проведении операций на валютном рынке. С его помощью можно осуществлять анализ успешности торговых сделок. При чем увеличение значения ожидания свидетельствует об увеличении их успешности.

Также важно помнить, что математическое ожидание не должно рассматриваться в качестве единственного статистического параметра используемого для анализа работы трейдера. Использование нескольких статистических параметров наряду со средним значением повышает точность проводимого анализа в разы.

Данный параметр хорошо зарекомендовал себя при мониторинговых наблюдениях за торговыми счетами. Благодаря ему выполняется быстрая оценка работ, осуществляемых на депозитном счете. В тех случаях, когда деятельность трейдера удачна и он избегает убытков, пользоваться исключительно расчетом математического ожидания не рекомендуется. В этих случаях не учитываются риски, что снижает эффективность анализа.

Проведенные исследования тактик трейдеров свидетельствуют о том, что:

• наиболее эффективными оказываются тактики, базирующиеся на случайном входе;
• наименее эффективны – тактики, базирующиеся на структурированных входах.

В достижении позитивных результатов не менее важны:

• тактика управления капиталом;
• стратегии выходов.

Используя такой показатель как математическое ожидание можно предположить каким будет прибыль либо убыток при вложении 1 доллара. Известно, что этот показатель, рассчитанный для всех игр, практикуемых в казино, в пользу заведения. Именно это позволяет зарабатывать деньги. В случае длинной серии игр вероятность потери денег клиентом существенно возрастает.

Игры профессиональных игроков ограничены небольшими временными промежутками, что увеличивает вероятность выигрыша и снижает риск проигрыша. Такая же закономерность наблюдается и при выполнении инвестиционных операций.

Инвестор может заработать значительную сумму при положительном ожидании и совершении большого количества сделок за небольшой временной промежуток.

Ожидание может рассматриваться как разница между произведением процента прибыли (PW) на среднюю прибыль (AW) и вероятность убытка (PL) на средний убыток (AL).

В качестве примера можно рассмотреть следующий: позиция – 12,5 тыс. долларов, портфель — 100 тыс. долларов, риск на депозит – 1%. Прибыльность сделок составляет 40% случаев при средней прибыли 20%. В случае убытка средние потери составляют 5%. Расчет математического ожидания для сделки дает значение в 625 долларов.