Условное математическое ожидание

Условное математическое ожидание — это математическое понятие теории вероятностей, обобщающее обычное математическое ожидание на случай, когда имеется неполная информация о случайной величине. В отличие от безусловного математического ожидания, которое является числом, условное математическое ожидание представляет собой случайную величину, зависящую от значений другой случайной величины (или набора величин, или сигма-алгебры). Интуитивно, это наилучшее предсказание (в среднеквадратическом смысле) значения случайной величины на основе доступной информации.

Определение

Формальное определение условного математического ожидания базируется на понятии сигма-алгебры. Пусть \((\Omega, \mathcal{F}, \mathbb{P})\) — вероятностное пространство, \(X\) — интегрируемая случайная величина (то есть \(\mathbb{E}[|X|] < \infty\)), и \(\mathcal{G} \subseteq \mathcal{F}\) — некоторая сигма-алгебра (подсигма-алгебра \(\mathcal{F}\)). Тогда условным математическим ожиданием \(X\) относительно \(\mathcal{G}\) называется случайная величина \(Y = \mathbb{E}[X \mid \mathcal{G}]\), удовлетворяющая двум условиям:

1. Измеримость: \(Y\) является \(\mathcal{G}\)-измеримой (то есть её значения полностью определяются информацией, содержащейся в \(\mathcal{G}\)).
2. Интегральное условие: для любого множества \(G \in \mathcal{G}\) выполняется равенство:

\[ \int_G Y \, d\mathbb{P} = \int_G X \, d\mathbb{P}. \]

Существование и единственность (с точностью до почти наверное) такой случайной величины гарантируется теоремой Радона — Никодима. Если \(\mathcal{G}\) порождена случайной величиной \(Z\) (то есть \(\mathcal{G} = \sigma(Z)\)), то \(\mathbb{E}[X \mid \mathcal{G}]\) обозначают как \(\mathbb{E}[X \mid Z]\) и называют условным математическим ожиданием \(X\) при условии \(Z\).

Частный случай: условное математическое ожидание при условии события

Если \(\mathcal{G}\) порождена одним событием \(A\) (то есть \(\mathcal{G} = \{\emptyset, A, A^c, \Omega\}\)), то условное математическое ожидание принимает два значения: \[ \mathbb{E}[X \mid A] = \frac{\mathbb{E}[X \cdot \mathbf{1}_A]}{\mathbb{P}(A)}, \quad \text{если } \mathbb{P}(A) > 0, \] где \(\mathbf{1}_A\) — индикатор события \(A\). Это число интерпретируется как среднее значение \(X\) на множестве \(A\).

Свойства

Условное математическое ожидание обладает рядом свойств, аналогичных свойствам обычного математического ожидания, но с учётом условной информации:

• Линейность: \(\mathbb{E}[aX + bY \mid \mathcal{G}] = a\,\mathbb{E}[X \mid \mathcal{G}] + b\,\mathbb{E}[Y \mid \mathcal{G}]\) почти наверное (п.н.) для любых констант \(a, b\).
• Монотонность: если \(X \le Y\) п.н., то \(\mathbb{E}[X \mid \mathcal{G}] \le \mathbb{E}[Y \mid \mathcal{G}]\) п.н.
• Вынос константы: если \(X\) \(\mathcal{G}\)-измерима, то \(\mathbb{E}[X \mid \mathcal{G}] = X\) п.н.
• Вынос измеримой величины: если \(Y\) \(\mathcal{G}\)-измерима и \(X\) интегрируема, то \(\mathbb{E}[XY \mid \mathcal{G}] = Y\,\mathbb{E}[X \mid \mathcal{G}]\) п.н.
• Повторное усреднение (закон полного математического ожидания): \(\mathbb{E}[\mathbb{E}[X \mid \mathcal{G}]] = \mathbb{E}[X]\).
• Телескопическое свойство: если \(\mathcal{H} \subseteq \mathcal{G} \subseteq \mathcal{F}\), то \(\mathbb{E}[\mathbb{E}[X \mid \mathcal{G}] \mid \mathcal{H}] = \mathbb{E}[X \mid \mathcal{H}]\) п.н.
• Неравенство Йенсена: если \(\varphi\) — выпуклая функция, то \(\varphi(\mathbb{E}[X \mid \mathcal{G}]) \le \mathbb{E}[\varphi(X) \mid \mathcal{G}]\) п.н.

Примеры

Дискретный случай

Пусть \(X\) и \(Y\) — дискретные случайные величины с совместным распределением \(\mathbb{P}(X = x_i, Y = y_j)\). Тогда условное математическое ожидание \(X\) при условии \(Y = y_j\) определяется как: \[ \mathbb{E}[X \mid Y = y_j] = \sum_i x_i \cdot \mathbb{P}(X = x_i \mid Y = y_j), \] где \(\mathbb{P}(X = x_i \mid Y = y_j) = \frac{\mathbb{P}(X = x_i, Y = y_j)}{\mathbb{P}(Y = y_j)}\) при \(\mathbb{P}(Y = y_j) > 0\). Сама случайная величина \(\mathbb{E}[X \mid Y]\) принимает эти значения с вероятностями \(\mathbb{P}(Y = y_j)\).

Непрерывный случай

Для непрерывных случайных величин с совместной плотностью \(f_{X,Y}(x, y)\) условная плотность \(X\) при условии \(Y = y\) равна \(f_{X \mid Y}(x \mid y) = \frac{f_{X,Y}(x, y)}{f_Y(y)}\), где \(f_Y(y)\) — маргинальная плотность \(Y\). Тогда: \[ \mathbb{E}[X \mid Y = y] = \int_{-\infty}^{\infty} x \cdot f_{X \mid Y}(x \mid y) \, dx. \]

Пример с геометрической интерпретацией

Рассмотрим случайную величину \(X\) с нулевым математическим ожиданием и сигма-алгебру \(\mathcal{G}\), порождённую случайной величиной \(Z\). Тогда \(\mathbb{E}[X \mid Z]\) — это проекция \(X\) на пространство \(\mathcal{G}\)-измеримых функций в гильбертовом пространстве \(L^2(\Omega, \mathcal{F}, \mathbb{P})\). Это свойство лежит в основе теории мартингалов и фильтрации.

Применение

Теория вероятностей и статистика

• Мартингалы: последовательность случайных величин \(\{X_n\}\) является мартингалом относительно фильтрации \(\{\mathcal{F}_n\}\), если \(\mathbb{E}[X_{n+1} \mid \mathcal{F}_n] = X_n\) п.н. Мартингалы широко используются в финансовой математике, теории случайных процессов и анализе временных рядов.
• Байесовский вывод: условное математическое ожидание используется для вычисления апостериорных средних, например, в задаче оценки параметра по наблюдениям.
• Регрессионный анализ: функция регрессии \(\mathbb{E}[Y \mid X]\) является наилучшим предсказанием \(Y\) по \(X\) в среднеквадратическом смысле.

Финансовая математика

• Ценообразование активов: в модели Блэка — Шоулза условное математическое ожидание используется для вычисления справедливой цены опциона при условии текущей информации.
• Управление рисками: оценка Value-at-Risk (VaR) и Expected Shortfall (ES) часто базируется на условных распределениях доходностей.

Теория информации

• Условная энтропия: \(H(X \mid Y) = -\mathbb{E}[\log \mathbb{P}(X \mid Y)]\) выражается через условное математическое ожидание логарифма условной вероятности.

Связь с другими понятиями

• Условная вероятность: для события \(A\) условная вероятность \(\mathbb{P}(A \mid \mathcal{G}) = \mathbb{E}[\mathbf{1}_A \mid \mathcal{G}]\) является частным случаем условного математического ожидания.
• Регулярное условное распределение: если существует регулярное условное распределение \(X\) при условии \(\mathcal{G}\), то условное математическое ожидание можно вычислить как интеграл по этому распределению.
• Проекция в \(L^2\): в гильбертовом пространстве случайных величин с конечным вторым моментом оператор \(\mathbb{E}[\cdot \mid \mathcal{G}]\) является ортогональным проектором на подпространство \(\mathcal{G}\)-измеримых функций.

История

Понятие условного математического ожидания в современном виде было формализовано в 1930-х годах Андреем Николаевичем Колмогоровым в рамках аксиоматической теории вероятностей. В его работе «Основные понятия теории вероятностей» (1933) было введено определение через сигма-алгебры и теорему Радона — Никодима. Ранее, в XIX веке, использовались частные случаи, например, условное среднее для дискретных и непрерывных распределений, но без строгого математического обоснования. Развитие теории мартингалов в середине XX века (Джозеф Дуб, Пол-Андре Мейер) привело к широкому применению условных математических ожиданий в стохастическом анализе.

Критика и ограничения

• Неединственность: условное математическое ожидание определено с точностью до почти наверное, что может создавать неоднозначность в прикладных задачах, если не оговорено конкретное представление.
• Сложность вычисления: для сложных сигма-алгебр или негауссовских распределений явное выражение может отсутствовать, и приходится прибегать к численным методам (например, метод Монте-Карло).
• Интерпретация: в некоторых контекстах (например, в квантовой вероятности) классическое определение через сигма-алгебры может быть недостаточным, и требуются обобщения.

Интересные факты

• Условное математическое ожидание является частным случаем оператора условного ожидания в теории банаховых решёток.
• В эргодической теории условное математическое ожидание относительно инвариантной сигма-алгебры используется для построения эргодических средних.
• Для случайных величин с бесконечным математическим ожиданием условное математическое ожидание может быть не определено или принимать бесконечные значения.

Источники

• Колмогоров А. Н. Основные понятия теории вероятностей. — М.: Наука, 1974.
• Ширяев А. Н. Вероятность. — М.: МЦНМО, 2004.
• Биллингсли П. Сходимость вероятностных мер. — М.: Наука, 1977.
• Дуб Дж. Вероятностные процессы. — М.: ИЛ, 1956.
• Уильямс Д. Вероятность с мартингалами. — М.: Мир, 1994.