Математическое ожидание: формула и примеры
Что такое математическое ожидание, формулы для дискретных и непрерывных величин, свойства, примеры расчёта. Онлайн-калькулятор.
Математическое ожидание – это среднее значение случайной величины, взвешенное по вероятностям её возможных исходов. Простыми словами, это число, которое мы ожидаем получить в среднем при многократном повторении одного и того же случайного эксперимента.
В теории вероятностей и математической статистике это одна из ключевых числовых характеристик, позволяющая предсказать поведение случайного процесса на длинной дистанции.
Формула для дискретной случайной величины
Если случайная величина $X$ принимает конечное или счётное число значений $x_1, x_2, \ldots, x_n$ с соответствующими вероятностями $p_1, p_2, \ldots, p_n$, то математическое ожидание вычисляется по формуле:
$$E(X) = \sum_{i=1}^{n} x_i \cdot p_i = x_1 \cdot p_1 + x_2 \cdot p_2 + \ldots + x_n \cdot p_n$$
Условие существования: ряд должен сходиться абсолютно.
Пример 1: Бросок игрального кубика
Рассчитаем математическое ожидание числа очков при броске стандартного шестигранного кубика.
| Значение ($x_i$) | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| Вероятность ($p_i$) | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ |
$$E(X) = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} + 6 \cdot \frac{1}{6} = \frac{21}{6} = 3,5$$
Вывод: при большом числе бросков среднее значение выпавших очков будет стремиться к 3,5.
Пример 2: Лотерейный билет
В лотерее продаётся 1000 билетов:
- 1 билет выигрывает 10 000 рублей
- 10 билетов выигрывают по 1 000 рублей
- 100 билетов выигрывают по 100 рублей
- Остальные 889 билетов – без выигрыша
Найдём математическое ожидание выигрыша для одного билета:
| Выигрыш (руб.) | 0 | 100 | 1 000 | 10 000 |
|---|---|---|---|---|
| Вероятность | 0,889 | 0,1 | 0,01 | 0,001 |
$$E(X) = 0 \cdot 0,889 + 100 \cdot 0,1 + 1 000 \cdot 0,01 + 10 000 \cdot 0,001 = 0 + 10 + 10 + 10 = 30 \text{ рублей}$$
Если билет стоит дороже 30 рублей, игра математически невыгодна для игрока.
Формула для непрерывной случайной величины
Для непрерывной случайной величины с плотностью распределения $f(x)$ математическое ожидание определяется через интеграл:
$$E(X) = \int_{-\infty}^{+\infty} x \cdot f(x) , dx$$
Условие существования: интеграл должен сходиться абсолютно.
Пример 3: Равномерное распределение
Пусть $X$ распределена равномерно на отрезке $[a, b]$. Плотность распределения:
$$f(x) = \begin{cases} \frac{1}{b-a}, & \text{если } a \leq x \leq b \ 0, & \text{иначе} \end{cases}$$
Тогда:
$$E(X) = \int_{a}^{b} x \cdot \frac{1}{b-a} , dx = \frac{1}{b-a} \cdot \frac{x^2}{2} \Big|_{a}^{b} = \frac{b^2 - a^2}{2(b-a)} = \frac{a+b}{2}$$
Математическое ожидание равномерного распределения равно середине отрезка.
Основные свойства математического ожидания
Знание свойств позволяет упрощать вычисления и анализировать сложные случайные процессы.
| Свойство | Формула | Комментарий |
|---|---|---|
| Константа | $E(C) = C$ | Ожидание постоянного числа равно самому числу |
| Линейность | $E(aX + bY) = aE(X) + bE(Y)$ | Работает для любых случайных величин |
| Сумма | $E(X + Y) = E(X) + E(Y)$ | Частный случай линейности |
| Произведение независимых | $E(X \cdot Y) = E(X) \cdot E(Y)$ | Только для независимых величин |
| Неравенство | $E(X) \geq 0$, если $X \geq 0$ | Для неотрицательных величин |
Пример применения свойства линейности
Стрелок делает 10 выстрелов. Вероятность попадания в мишень при одном выстреле равна 0,7. Найдём ожидаемое количество попаданий.
Обозначим $X_i$ – индикатор попадания при $i$-м выстреле ($X_i = 1$ если попал, $0$ если промахнулся).
$$E(X_i) = 1 \cdot 0,7 + 0 \cdot 0,3 = 0,7$$
Общее количество попаданий: $X = X_1 + X_2 + \ldots + X_{10}$
$$E(X) = E(X_1) + E(X_2) + \ldots + E(X_{10}) = 10 \cdot 0,7 = 7$$
Ответ: ожидаемое количество попаданий – 7.
Когда математическое ожидание не существует
Не у всех случайных величин есть конечное математическое ожидание. Классический пример – распределение Коши с плотностью:
$$f(x) = \frac{1}{\pi(1 + x^2)}$$
Интеграл $\int_{-\infty}^{+\infty} x \cdot f(x) , dx$ расходится, поэтому математическое ожидание не определено.
Также ожидание может быть бесконечным, например, в «Санкт-Петербургском парадоксе» – игре, где теоретический выигрыш неограничен.
Практическое применение
Математическое ожидание используется в различных областях:
- Финансы и инвестиции – оценка ожидаемой доходности активов, расчёт рисков
- Страхование – определение страховых премий на основе ожидаемых выплат
- Теория игр – анализ оптимальных стратегий в азартных и экономических играх
- Физика – средние значения измеряемых величин в квантовой механике и статистической физике
- Машинное обучение – функции потерь, оценка качества моделей
- Контроль качества – ожидаемое количество дефектов в партии продукции
Связь с выборочным средним
На практике математическое ожидание часто оценивают по выборке данных. Выборочное среднее вычисляется как:
$$\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i$$
Согласно закону больших чисел, при увеличении объёма выборки $n$ выборочное среднее стремится к истинному математическому ожиданию (при условии независимости наблюдений).
Частые ошибки при расчёте
- Путаница с медианой – математическое ожидание не всегда равно медиане распределения
- Игнорирование вероятностей – простое усреднение значений без учёта их вероятностей даёт неверный результат
- Применение к зависимым величинам – свойство $E(XY) = E(X)E(Y)$ работает только для независимых величин
- Предположение существования – не проверяется сходимость ряда или интеграла
Заключение
Математическое ожидание – фундаментальная характеристика случайной величины, позволяющая перейти от неопределённости к количественным прогнозам. Понимание формул, свойств и ограничений этого понятия необходимо для работы с вероятностными моделями в науке, бизнесе и повседневной жизни.
Для быстрого расчёта математического ожидания дискретной случайной величины используйте наш онлайн-калькулятор выше – просто введите значения и их вероятности.