Возврат к среднему

Возврат к среднему — это статистическое явление, при котором экстремальные значения случайной величины в последующих наблюдениях с высокой вероятностью сменяются значениями, более близкими к среднему (математическому ожиданию) этой величины. В более широком смысле, это тенденция процесса или ряда данных возвращаться к своему долгосрочному среднему уровню после отклонения от него. Явление является фундаментальным для теории вероятностей и статистики, лежит в основе многих методов прогнозирования, управления рисками и анализа временных рядов.

История и происхождение термина

Термин «возврат к среднему» (англ. regression to the mean, также reversion to the mean) был введён в научный обиход британским статистиком и биологом сэром Фрэнсисом Гальтоном в конце XIX века. В 1886 году Гальтон опубликовал работу «Regression Towards Mediocrity in Hereditary Stature» («Регрессия к посредственности в наследственном росте»). В ходе исследования он обнаружил, что дети очень высоких родителей, как правило, имеют рост ниже, чем у родителей, а дети очень низких родителей — выше. При этом средний рост детей в популяции стремится к среднему росту всего населения, а не к росту родителей. Гальтон назвал это явление «регрессией к посредственности», подразумевая статистическое среднее, а не качественную оценку.

Позднее термин «регрессия» был заимствован для обозначения метода регрессионного анализа, который исследует зависимости между переменными и также учитывает эффект возврата к среднему. В XX веке явление стало широко изучаться в эконометрике, психологии, медицине и спортивной статистике.

Математическая и статистическая основа

Возврат к среднему — не физический закон, а следствие вероятностной природы случайных процессов. Оно возникает, когда наблюдаемые значения состоят из двух компонентов: систематического (среднего) и случайного (ошибки, шума). Экстремальные наблюдения с большой вероятностью содержат значительную случайную составляющую. При повторных измерениях случайная составляющая, скорее всего, будет меньше по абсолютной величине, что и приводит к смещению результата к среднему.

Ключевой параметр, определяющий силу возврата к среднему, — это корреляция между последовательными наблюдениями. Чем слабее корреляция (ближе к нулю), тем сильнее проявляется эффект. Если корреляция равна 1 (полная положительная связь), возврата к среднему не происходит. Если корреляция равна 0, то любое экстремальное значение с высокой вероятностью сменится значением, близким к среднему.

Формально, для случайной величины \(X\) с математическим ожиданием \(\mu\) и дисперсией \(\sigma^2\), при условии, что наблюдение \(X_1\) значительно отклоняется от \(\mu\), условное математическое ожидание следующего наблюдения \(E[X_2 | X_1]\) будет ближе к \(\mu\), чем \(X_1\). Величина этого смещения пропорциональна коэффициенту корреляции между \(X_1\) и \(X_2\).

Пример с подбрасыванием монеты

Рассмотрим серию из 10 подбрасываний монеты. Вероятность выпадения орла в каждом броске — 0,5. Если в первой серии выпало 9 орлов (экстремальное значение), то во второй серии из 10 бросков ожидаемое количество орлов — 5, а не 9. Это и есть возврат к среднему. Важно понимать, что монета не «помнит» предыдущих результатов и не «компенсирует» отклонение — просто вероятность каждого следующего броска остаётся 0,5, и долгосрочное среднее стремится к этому значению.

Примеры в различных областях

Спорт

Один из самых наглядных примеров — результативность спортсменов. Если баскетболист в одном матче забивает 40 очков (значительно выше его среднего показателя в 20 очков за игру), то в следующей игре он, скорее всего, наберёт меньше — ближе к своему среднему. Аналогично, футболист, забивший гол в пяти матчах подряд, с высокой вероятностью не продлит эту серию. Это явление часто путают с «законом больших чисел» или «компенсацией удачи», хотя на самом деле это просто статистическая регрессия.

Медицина

В клинических исследованиях эффект возврата к среднему может искажать результаты. Например, у пациентов с очень высоким артериальным давлением при повторном измерении давление часто оказывается ниже, даже без лечения. Это создаёт ложное впечатление эффективности плацебо или терапии. Для борьбы с этим эффектом в исследованиях используют контрольные группы и рандомизацию.

Финансы и экономика

В финансовых рынках возврат к среднему (mean reversion) — одна из популярных стратегий. Она основана на предположении, что цены активов (акций, валют, товаров) после сильного роста или падения имеют тенденцию возвращаться к своей средней цене за определённый период. Однако на практике это не всегда выполняется из-за трендов, рыночных шоков и изменения фундаментальных факторов. Тем не менее, модели возврата к среднему широко используются для оценки справедливой стоимости и управления рисками.

Психология и образование

При оценке успеваемости учеников или эффективности программ обучения также наблюдается возврат к среднему. Ученик, показавший экстремально высокий результат на одном тесте, на следующем, скорее всего, покажет результат ближе к своему обычному уровню. Это объясняет, почему «лучшие» ученики часто «ухудшаются» при повторном тестировании, а «худшие» — «улучшаются», даже если никакого реального изменения в их знаниях не произошло.

Ошибки интерпретации и когнитивные искажения

Возврат к среднему часто неправильно понимается, что приводит к ряду когнитивных искажений:

• Иллюзия контроля: Тренер, чья команда после серии поражений выиграла матч, может приписать это своей мотивационной речи, хотя на самом деле это мог быть просто возврат к среднему.
• Ошибка игрока (gambler’s fallacy): Убеждение, что после серии «неудач» (например, выпадения «красного» в рулетке 5 раз подряд) обязательно должна последовать «удача» (выпадение «чёрного»). Это ошибочное понимание независимости событий, хотя возврат к среднему здесь проявляется в долгосрочной перспективе, а не в отдельных испытаниях.
• Ошибка выжившего: При анализе успешных людей или компаний часто забывают о тех, кто не вернулся к среднему, а потерпел неудачу.

Возврат к среднему и закон больших чисел

Важно различать возврат к среднему и закон больших чисел. Закон больших чисел утверждает, что среднее арифметическое большого числа независимых случайных величин стремится к их математическому ожиданию. Возврат к среднему — это свойство отдельных последовательных наблюдений приближаться к среднему после отклонения. Оба явления связаны, но не тождественны. Закон больших чисел работает за счёт накопления данных, а возврат к среднему — за счёт уменьшения влияния случайной компоненты в каждом конкретном случае.

Критика и ограничения

Хотя возврат к среднему является статистически обоснованным явлением, его применение в прогнозировании имеет ограничения. Во-первых, оно не гарантирует возврата к среднему в каждом конкретном случае — это лишь вероятностная тенденция. Во-вторых, если процесс нестационарен (например, имеет тренд или меняющуюся дисперсию), понятие «среднего» может быть размытым. В-третьих, в финансах и экономике модели возврата к среднему могут быть неэффективны в периоды кризисов или пузырей, когда отклонения от среднего становятся устойчивыми.

Источники

• Galton, F. (1886). «Regression Towards Mediocrity in Hereditary Stature». Journal of the Anthropological Institute of Great Britain and Ireland.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. (Глава о возврате к среднему).
• Stigler, S. M. (1997). «Regression towards the mean, historically considered». Statistical Methods in Medical Research.
• Феллер, В. (1964). Введение в теорию вероятностей и её приложения. Том 1. Мир.