Математическое ожидание
Математическое ожидание — это ожидаемый результат от какого-то действия.
Например, можно рассчитать ожидаемую стоимость инвестиции в определённый момент в будущем. Рассчитывая математическое ожидание перед тем, как инвестировать, можно выбрать наилучший сценарий который, по мнению инвестора, даст наилучший результат.
Случайная величина может быть двух типов:
Математическое ожидание дискретной случайной величины рассчитывается этой формулой:
Математическое ожидание дискретной случайной величины рассчитывается:
1. Сначала нужно умножить каждое из возможных результатов на свою вероятность (например: вероятность, что выпадет «1» — 1/6, «2» — 1/3, значит умножаем 1 на 1/6, 2 на 1/3, и т.д.),
2. Затем суммируем все эти значения (1 × 1/6 + 2 × 1/3 и т.д.).
Для непрерывной случайной величины используется эта формула:
В этом случае рассчитывается интеграл в заданном интервале.
Примеры вычисления математического ожидания
Пример 1
Вычислить математическое ожидание дискретной случайной величины Х со следующими данными:
| xi | −1 | 1 | 2 | 3 | 4 |
| pi | 0,1 | 0,2 | 0,3 | 0,1 | 0,3 |
Используется формула для дискретной случайной величины:
M(X) = ∑ xi×pi = −1×0,1+ 1×0,2 + 2×0,3 + 3×0,1 + 4×0,3 = −0,1 + 0,2 + 0,6 + 0,3 + 1,2 = 2,2
Пример 2
Найти математическое ожидание для величины Х, распределённой непрерывно с плотностью f(x) = 2x, при x∈(0,1) и f(x) = 0 в остальных точках.
Используется формула для непрерывной случайной величины:
Пример 3
Вычислить математическое ожидание дискретной случайной величины Х со следующими данными:
| xi | 1 | 2 | 3 | 4 | 5 |
| pi | 0,3 | 0,3 | 0,1 | 0,1 | 0,2 |
Используется формула для дискретной случайной величины:
M(X) = ∑ xi×pi = 1×0,3 + 2×0,3 + 3×0,1 + 4×0,1 + 5×0,2 = 0,3 + 0,6 + 0,3 + 0,4 + 1 = 2,6
Пример 4
Найти математическое ожидание для величины Х, распределённой непрерывно с плотностью f(x) = (1/10).(3x²+1), при x∈(0,2) и f(x) = 0 в остальных точках.
Используется формула для непрерывной случайной величины:
Случайные величины. Дискретная случайная величина.
Математическое ожидание
Второй раздел по теории вероятностей посвящён случайным величинам, которые незримо сопровождали нас буквально в каждой статье по теме. И настал момент чётко сформулировать, что же это такое:
Случайной называют величину, которая в результате испытания примет одно и только одно числовое значение, зависящее от случайных факторов и заранее непредсказуемое.
Случайные величины, как правило, обозначают через 
*, а их значения – соответствующими маленькими буквами с подстрочными индексами, например, 
.
* Иногда используют 
, а также греческие буквы
Пример встретился нам на первом же уроке по теории вероятностей, где мы фактически рассмотрели следующую случайную величину:
– количество очков, которое выпадет после броска игрального кубика.
В результате данного испытания выпадет одна и только грань, какая именно – не предсказать (фокусы не рассматриваем); при этом случайная величина 
может принять одно из следующий значений:
.
– количество мальчиков среди 10 новорождённых.
Совершенно понятно, что это количество заранее не известно, и в очередном десятке родившихся детей может оказаться:
, либо 
мальчиков – один и только один из перечисленных вариантов.
И, дабы соблюсти форму, немного физкультуры:
– дальность прыжка в длину (в некоторых единицах).
Её не в состоянии предугадать даже мастер спорта 🙂
Тем не менее, ваши гипотезы?
Коль скоро речь идёт о множестве действительных чисел, то случайная величина 
может принять несчётно много значений из некоторого числового промежутка. И в этом состоит её принципиальное отличие от предыдущих примеров.
Таким образом, случайные величины целесообразно разделить на 2 большие группы:
1) Дискретная (прерывная) случайная величина – принимает отдельно взятые, изолированные значения. Количество этих значений конечно либо бесконечно, но счётно.
…нарисовались непонятные термины? Срочно повторяем основы алгебры!
2) Непрерывная случайная величина – принимает все числовые значения из некоторого конечного или бесконечного промежутка.
Примечание: в учебной литературе популярны аббревиатуры ДСВ и НСВ
Сначала разберём дискретную случайную величину, затем – непрерывную.
Закон распределения дискретной случайной величины
– это соответствие между возможными значениями этой величины и их вероятностями. Чаще всего закон записывают таблицей: 
Довольно часто встречается термин ряд распределения, но в некоторых ситуациях он звучит двусмысленно, и поэтому я буду придерживаться «закона».
А теперь очень важный момент: поскольку случайная величина 
обязательно примет одно из значений 
, то соответствующие события образуют полную группу и сумма вероятностей их наступления равна единице: 
или, если записать свёрнуто: 
Так, например, закон распределения вероятностей выпавших на кубике очков имеет следующий вид: 
Возможно, у вас сложилось впечатление, что дискретная случайная величина может принимать только «хорошие» целые значения. Развеем иллюзию – они могут быть любыми:
Некоторая игра имеет следующий закон распределения выигрыша: 
Найти 
…наверное, вы давно мечтали о таких задачах 🙂 Открою секрет – я тоже. В особенности после того, как завершил работу над теорией поля.
Решение: так как случайная величина 
может принять только одно из трёх значений, то соответствующие события образуют полную группу, а значит, сумма их вероятностей равна единице: 
Разоблачаем «партизана»: 
– таким образом, вероятность выигрыша 
условных единиц составляет 0,4.
Контроль: 
, в чём и требовалось убедиться.
Ответ: 
Не редкость, когда закон распределения требуется составить самостоятельно. Для этого используют классическое определение вероятности, теоремы умножения / сложения вероятностей событий и другие фишки тервера:
В коробке находятся 50 лотерейных билетов, среди которых 12 выигрышных, причём 2 из них выигрывают по 1000 рублей, а остальные – по 100 рублей. Составить закон распределения случайной величины 
– размера выигрыша, если из коробки наугад извлекается один билет.
Решение: как вы заметили, значения случайной величины принято располагать в порядке их возрастания. Поэтому мы начинаем с самого маленького выигрыша, и именно 
рублей.
Всего таковых билетов 50 – 12 = 38, и по классическому определению:
– вероятность того, что наудачу извлечённый билет окажется безвыигрышным.
С остальными случаями всё просто. Вероятность выигрыша 
рублей составляет: 
И для 
: 
Проверка: 
– и это особенно приятный момент таких заданий!
Ответ: искомый закон распределения выигрыша: 
Следующее задание для самостоятельного решения:
Вероятность того, что стрелок поразит мишень, равна 
. Составить закон распределения случайной величины 
– количества попаданий после 2 выстрелов.
…я знал, что вы по нему соскучились 🙂 Вспоминаем теоремы умножения и сложения. Решение и ответ в конце урока.
Закон распределения полностью описывает случайную величину, однако на практике бывает полезно (а иногда и полезнее) знать лишь некоторые её числовые характеристики.
Математическое ожидание дискретной случайной величины
Говоря простым языком, это среднеожидаемое значение при многократном повторении испытаний. Пусть случайная величина 
принимает значения 
с вероятностями 
соответственно. Тогда математическое ожидание 
данной случайной величины равно сумме произведений всех её значений на соответствующие вероятности:
или в свёрнутом виде: 
Вычислим, например, математическое ожидание случайной величины 
– количества выпавших на игральном кубике очков:
очка
В чём состоит вероятностный смысл полученного результата? Если подбросить кубик достаточно много раз, то среднее значение выпавших очков будет близкО к 3,5 – и чем больше провести испытаний, тем ближе. Собственно, об этом эффекте я уже подробно рассказывал на уроке о статистической вероятности.
Теперь вспомним нашу гипотетическую игру: 
Возникает вопрос: а выгодно ли вообще играть в эту игру? …у кого какие впечатления? Так ведь «навскидку» и не скажешь! Но на этот вопрос можно легко ответить, вычислив математическое ожидание, по сути – средневзвешенный по вероятностям выигрыш:
, таким образом, математическое ожидание данной игры проигрышно.
Не верь впечатлениям – верь цифрам!
Да, здесь можно выиграть 10 и даже 20-30 раз подряд, но на длинной дистанции нас ждёт неминуемое разорение. И я бы не советовал вам играть в такие игры 🙂 Ну, может, только ради развлечения.
Из всего вышесказанного следует, что математическое ожидание – это уже НЕ СЛУЧАЙНАЯ величина.
Творческое задание для самостоятельного исследования:
Мистер Х играет в европейскую рулетку по следующей системе: постоянно ставит 100 рублей на «красное». Составить закон распределения случайной величины 
– его выигрыша. Вычислить математическое ожидание выигрыша и округлить его до копеек. Сколько в среднем проигрывает игрок с каждой поставленной сотни?
Справка: европейская рулетка содержит 18 красных, 18 чёрных и 1 зелёный сектор («зеро»). В случае выпадения «красного» игроку выплачивается удвоенная ставка, в противном случае она уходит в доход казино
Существует много других систем игры в рулетку, для которых можно составить свои таблицы вероятностей. Но это тот случай, когда нам не нужны никакие законы распределения и таблицы, ибо доподлинно установлено, что математическое ожидание игрока будет точно таким же. От системы к системе меняется лишь дисперсия, о которой мы узнаем во 2-й части урока.
Но прежде будет полезно размять пальцы на клавишах калькулятора:
Случайная величина 
задана своим законом распределения вероятностей: 
Найти 
, если известно, что 
. Выполнить проверку.
Тогда переходим к изучению дисперсии дискретной случайной величины, и по возможности, ПРЯМО СЕЙЧАС!! – чтобы не потерять нить темы.
Пример 3. Решение: по условию 
– вероятность попадания в мишень. Тогда:
– вероятность промаха.
Составим 
– закон распределения попаданий при двух выстрелах:
– ни одного попадания. По теореме умножения вероятностей независимых событий: 
– одно попадание. По теоремам сложения вероятностей несовместных и умножения независимых событий: 
– два попадания. По теореме умножения вероятностей независимых событий: 
Проверка: 0,09 + 0,42 + 0,49 = 1
Ответ: 
Примечание: можно было использовать обозначения 
– это не принципиально.
Пример 4. Решение: игрок выигрывает 100 рублей в 18 случаях из 37, и поэтому закон распределения его выигрыша имеет следующий вид: 
Вычислим математическое ожидание: 
Таким образом, с каждой поставленной сотни игрок в среднем проигрывает 2,7 рубля.
Пример 5. Решение: по определению математического ожидания: 
поменяем части местами и проведём упрощения: 
таким образом: 
Выполним проверку: 
, что и требовалось проверить.
Ответ: 
Автор: Емелин Александр
(Переход на главную страницу)
Zaochnik.com – профессиональная помощь студентам
cкидкa 15% на первый зaкaз, прoмoкoд: 5530-hihi5
Tutoronline.ru – онлайн репетиторы по математике и другим предметам
Математическое ожидание случайной величины
Содержание
Математическое ожидание случайной величины [ править ]
| Определение: |
| Математическое ожидание (англ. mean value) [math] \left( E\xi \right) [/math] — мера среднего значения случайной величины, равная [math]E\xi = \sum \xi(\omega) \cdot p(\omega)[/math] |
Пример [ править ]
Пусть наше вероятностное пространство — «честная кость»
[math] E\xi = 1\cdot \dfrac<1><6>+2\cdot \dfrac<1> <6>\dots +6\cdot \dfrac<1> <6>= 3.5[/math]
Свойства математического ожидания [ править ]
| Утверждение (о матожидании случайной величины на событии вероятности нуль): |
Линейность математического ожидания [ править ]Использование линейности [ править ]Рассмотрим три задачи. Пример 1 [ править ]Найти математическое ожидание суммы цифр на случайной кости домино. Получаем ответ [math]E(\xi+\eta)=2E(\xi)=6[/math] Пример 2 [ править ]Итоговый результат: [math]E(\xi)=<\sum_ Пример 3 [ править ]Пусть [math] \xi [/math] — случайная величина, которая возвращает количество инверсий в перестановке. Очевидно, что вероятность любой перестановки равна [math] \dfrac<1> Докажем, что количество инверсий в этих двух перестановках равно [math] \dfrac Примеры распределений [ править ]Распределение Бернулли [ править ]Случайная величина [math]\xi[/math] имеет распределение Бернулли, если она принимает всего два значения: [math]1[/math] и [math]0[/math] с вероятностями [math]p[/math] и [math]q \equiv 1-p[/math] соответственно. Таким образом: [math]P(\xi = 1) = p[/math] [math]P(\xi = 0) = q[/math] Тогда несложно догадаться, чему будет равно математическое ожидание: [math]E(\xi) = 1 \cdot p + 0 \cdot q = p[/math] Гипергеометрическое распределение [ править ]Гипергеометрическое распределение в теории вероятностей моделирует количество удачных выборок без возвращения из конечной совокупности. Пусть имеется конечная совокупность, состоящая из [math]N[/math] элементов. Предположим, что [math]D[/math] из них обладают нужным нам свойством. Оставшиеся [math]N-D[/math] этим свойством не обладают. Случайным образом из общей совокупности выбирается группа из [math]n[/math] элементов. Пусть [math]a[/math] — случайная величина, равная количеству выбранных элементов, обладающих нужным свойством. Тогда функция вероятности [math]a[/math] имеет вид: где [math]C_n^k \equiv \dfrac Формула математического ожидания для гипергеометрического распределения имеет вид: |