期望值、變異數與動差
期望值(expectation)
想像你把一個遊戲玩很多很多次,每次都把獲利記下來。如果把這些數字全部平均起來,平均值會穩定在哪裡?這個長期平均值就是期望值。它是把一個隨機變數「重心」濃縮成的一個數字——當你一再面對相同情境時,應該據以規劃的那個值。
對於一個取值為 x、機率為 P(X = x) 的離散隨機變數 X,期望值是以機率加權的平均:E[X] = 對所有 x 求和 x 乘以 P(X = x)。你逐一走過每個可能的值,乘以它發生的可能性,再加總。一顆公正的骰子,E[X] = 1(1/6) + 2(1/6) + ... + 6(1/6) = 3.5。注意 3.5 根本不是骰子上會出現的點數——期望值不一定是可能的結果。它是一個平衡點,是把每個機率當成蹺蹺板上的重量時,整個分布會平衡的位置。
期望值是機率論的主力:它餵養了變異數、共變異數、動差以及幾乎每一個極限定理。但它也可能誤導。樂透的期望值又小又是負的,人們卻為了那罕見的鉅額獎金而玩。而對某些重尾分布(柯西分配是著名例子),定義 E[X] 的那個求和根本不收斂,於是均值乾脆不存在。期望值只是一種摘要,不是故事的全部。
一場賭局以 0.2 的機率賠你 10 元,以 0.8 的機率讓你輸 3 元。E[獲利] = 10(0.2) + (-3)(0.8) = 2 - 2.4 = -0.40。平均而言你每玩一次輸四毛錢——儘管任何一次都是贏或輸,從來不會剛好是 -0.40。
期望值是長期平均,常常是一個實際上從未出現過的值。
期望值不是最可能的值,也不一定是可能出現的值。它是加權平均,這就是為什麼骰子的均值可以是 3.5,即使你永遠擲不出 3.5。
又稱
另見