Математическое ожидание 2 случайных величин

Когда результат зависит сразу от двух случайных факторов (доход по двум инвестициям, длительность двух этапов проекта, число отказов двух устройств), нужно уметь находить математическое ожидание 2 случайных величин – их суммы, произведения и линейных комбинаций.

Ключевые формулы:

• для суммы:
  M(X+Y) = M(X) + M(Y);
• для линейной комбинации:
  M(aX + bY + c) = a·M(X) + b·M(Y) + c;
• для произведения независимых величин:
  если X и Y независимы, то M(XY) = M(X)·M(Y) ablock.ru.

Дальше – краткие определения, вывод формул и наглядные примеры.

Калькулятор выше позволяет задать распределения двух дискретных случайных величин X и Y, а затем автоматически вычисляет их математические ожидания, ожидание суммы и, при независимости, ожидание произведения.

Как найти математическое ожидание двух случайных величин?

Случайная величина – это числовой результат случайного эксперимента: выигрыш в игре, время ожидания, число дефектов в партии.

Для одной дискретной случайной величины X, которая принимает значения x₁, x₂, …, xₙ с вероятностями p₁, p₂, …, pₙ, математическое ожидание определяется как взвешенное среднее ablock.ru:

если ряд сходится абсолютно.

Алгоритм для дискретного случая (по сути совпадает с тем, что описан на ablock.ru):

1. Перечислить все возможные значения xᵢ и соответствующие им вероятности pᵢ.
2. Для каждого i вычислить произведение xᵢ·pᵢ.
3. Сложить все произведения: M(X) = x₁p₁ + x₂p₂ + … + xₙpₙ.

Для второй величины Y с возможными значениями yⱼ и вероятностями qⱼ аналогично:

Если X и Y непрерывны и имеют плотности распределения f_X(x) и f_Y(y), то

Когда говорят про математическое ожидание 2 случайных величин, обычно имеют в виду:

• отдельные ожидания M(X) и M(Y);
• ожидание их суммы M(X+Y);
• ожидание линейной комбинации вида aX + bY + c;
• при независимости – ожидание произведения M(XY).

Дальнейшие формулы опираются на эти определения.

Математическое ожидание 2 случайных величин: формулы и свойства

Основные свойства математического ожидания для двух величин X и Y (с конечными ожиданиями) ablock.ru, kampus.ai :

1. Ожидание константы равно самой константе

   \[ M(c) = c. \]

2. Однородность (вынесение множителя)

   \[ M(aX) = a\,M(X), \quad M(bY) = b\,M(Y). \]

3. Аддитивность (линейность по сумме)

   \[ M(X+Y) = M(X) + M(Y). \]

   Важно: это верно без требования независимости. Достаточно существования ожиданий.

4. Линейность для общей линейной комбинации

   \[ M(aX + bY + c) = a\,M(X) + b\,M(Y) + c. \]

5. Произведение независимых величин

   Если X и Y независимы, то

   \[ M(XY) = M(X)\,M(Y). \]

   Это свойство прямо указано среди основных в ablock.ru.

6. Границы математического ожидания

   Если X ограничена: a ≤ X ≤ b, то её ожидание лежит между границами:
   a ≤ M(X) ≤ b. То же верно для Y. Для линейной комбинации aX + bY + c можно аналогично оценить минимально и максимально возможное значение и понять, где примерно находится ожидание.

Эти свойства позволяют работать с ожиданиями даже тогда, когда сам закон распределения сложен: часто достаточно знать M(X) и M(Y), чтобы оценить средний результат их комбинации.

Математическое ожидание суммы двух случайных величин

Формула для суммы – ключевой инструмент, подробно обсуждаемый в работах по теории вероятностей и учебных материалах, например на kampus.ai.

Теорема. Если M(X) и M(Y) существуют, то

Краткая идея доказательства (дискретный случай)

Пусть X и Y – дискретные величины с совместным распределением P(X=xᵢ, Y=yⱼ). Тогда

Независимость здесь нигде не использовалась.

Линейная комбинация двух величин

Из однородности и аддитивности следует формула:

Пример. Пусть известны только математические ожидания:

• M(X) = 8,
• M(Y) = 7.

Нужно найти M(Z), где

Применяем линейность:

Никакой информации о распределении и зависимости X и Y не потребовалось – формула работает «в чистом виде», что подчёркивается в примерах на ablock.ru.

Математическое ожидание произведения двух случайных величин

В отличие от суммы, для произведения простая формула есть не всегда.

Независимые случайные величины

Если X и Y независимы, то (свойство из ablock.ru):

Идея: при независимости P(X=xᵢ, Y=yⱼ) = P(X=xᵢ)·P(Y=yⱼ), и ряд для M(XY) «расщепляется» в произведение двух рядов:

Зависимые случайные величины

Если X и Y зависимы, то общая формула:

• дискретный случай:

  \[ M(XY) = \sum\_{i,j} x_i y_j P(X=x_i, Y=y_j); \]

• непрерывный случай с совместной плотностью f_{X,Y}(x,y):

  \[ M(XY) = \iint xy\, f\_{X,Y}(x,y)\,dx\,dy. \]

Удобно помнить связь с ковариацией:

где cov(X,Y) = M[(X-M(X))(Y-M(Y))].

• При независимости cov(X,Y) = 0, и формула сводится к M(X)M(Y).
• При зависимости ковариация может быть положительной или отрицательной, соответственно M(XY) больше или меньше M(X)M(Y).

Простой пример зависимости. Пусть Y = X. Тогда

а

Эти величины совпадают только при нулевой дисперсии X (то есть когда X фактически неслучайна).

Пример расчёта математического ожидания 2 дискретных случайных величин

Рассмотрим два независимых дискретных фактора:

• X – возможный выигрыш в первой игре;
• Y – возможный выигрыш во второй игре.

Шаг 1. Закон распределения X

Пусть X принимает значения и вероятности (пример по мотивам таблицы на ablock.ru):

Проверяем, что вероятности суммируются в 1:

0.1 + 0.2 + 0.1 + 0.3 + 0.3 = 1.

Математическое ожидание X:

(Именно это значение приводится в примере на ablock.ru.)

Шаг 2. Закон распределения Y

Пусть Y имеет 3 возможных значения:

M(Y):

Шаг 3. Математическое ожидание суммы X+Y

По линейности:

Не нужно строить распределение суммы; достаточно знать два ожидания.

Шаг 4. Математическое ожидание произведения XY (при независимости)

Если игры независимы, то

Проверить это можно и напрямую, задав совместное распределение как произведение маргинальных и просуммировав xᵢyⱼP(X=xᵢ)P(Y=yⱼ); результат совпадёт.

Калькулятор математического ожидания двух случайных величин выполняет все эти операции автоматически для произвольных таблиц значений и вероятностей.

Непрерывные случайные величины: интегральные формулы для двух переменных

Если X и Y непрерывны и имеют совместную плотность распределения f_{X,Y}(x,y), то математические ожидания задаются интегралами:

• отдельные ожидания:

  \[ M(X) = \iint x\, f*{X,Y}(x,y)\,dx\,dy,\quad M(Y) = \iint y\, f*{X,Y}(x,y)\,dx\,dy; \]

• сумма:

  \[ M(X+Y) = \iint (x+y)\, f\_{X,Y}(x,y)\,dx\,dy = M(X) + M(Y); \]

• произведение:

  \[ M(XY) = \iint xy\, f\_{X,Y}(x,y)\,dx\,dy. \]

Если X и Y независимы, то f_{X,Y}(x,y)=f_X(x)f_Y(y), и формулы упрощаются:

Короткий пример

Пусть X и Y – независимые равномерные на [0,1]:

• f_X(x) = 1 на [0,1], 0 иначе;
• f_Y(y) = 1 на [0,1], 0 иначе.

Тогда

Сумма:

Произведение:

Таким образом, в непрерывном случае сохраняются те же правила, что и в дискретном: линейность ожидания и факторизация M(XY) при независимости.

Математическое ожидание, среднее арифметическое и закон больших чисел

Теоретическое математическое ожидание тесно связано с средним арифметическим наблюдений и законом больших чисел, как подробно объясняется в классических учебниках и обучающих материалах вроде ablock.ru.

Пусть X – случайная величина, и выполнено большое число независимых испытаний, дающих значения X₁, X₂, …, X_N, распределённых так же, как X. Рассмотрим выборочное среднее:

Одна из форм закона больших чисел утверждает:

То есть при увеличении числа наблюдений среднее арифметическое «стабилизируется» около математического ожидания: случайные колебания сглаживаются, и результат становится почти детерминированным. В ablock.ru это описывается через аналогию с многократными измерениями на весах.

Для пары величин X и Y аналогично:

• средние по выборке \(\overline{X}\_N\) и \(\overline{Y}\_N\) стремятся к M(X) и M(Y);
• среднее от суммы \(\overline{(X+Y)}\_N\) стремится к M(X+Y) = M(X)+M(Y).

Так появляется практический смысл математического ожидания двух величин: оно описывает устойчивый средний результат при многократном повторении эксперимента.

Где применяется математическое ожидание двух случайных величин

Матhematическое ожидание 2 случайных величин используется в самых разных задачах, что подчёркивается и в практико-ориентированных обзорах ablock.ru, и в учебных работах kampus.ai:

• Финансы и инвестиции.

  • M(X) и M(Y) – ожидаемые доходности двух активов;
  • M(X+Y) – ожидаемая доходность портфеля из двух активов;
  • M(XY) и ковариация используются при оценке зависимости доходностей и расчёте риска.

• Страхование и риск-менеджмент.
  Средний суммарный ущерб от двух типов рисков (X и Y), ожидаемое число страховых случаев, ожидаемый размер выплат.

• Очереди и логистика.
  Суммарное время обслуживания двух этапов процесса, общее время доставки при нескольких случайных задержках.

• Надёжность и инженерия.
  Ожидаемое время безотказной работы двух узлов, ожидаемое количество отказов за период, средний ресурс системы.

• Азартные игры и трейдинг.
  По аналогии с классическим определением матожидания как «средней прибыли на ставку» ablock.ru, M(X+Y) описывает средний выигрыш от двух независимых стратегий или игр.

Во всех этих примерах достаточно знать математическое ожидание двух величин и их комбинаций, чтобы принимать решения на «длинной дистанции» – оценивать выгодность, устойчивость и сравнивать альтернативы.