Quant Sandbox
DerivatívákPortfólió és kockázatKötvényekVállalati pénzügyekValószínűség és mértékSztochasztikus modellekPiaci mikrostruktúraÚtmutató
Valószínűség és mérték
Valószínűségi mező
σ-algebrák
InformációFiltráció
Lebesgue-mérték
Valószínűségi változók
PörgettyűEloszlásfüggvény
Lebesgue-integrál
Riemann és LebesgueVárható érték rendezéssel
Konvergencia
Elszökő tömegKonvergenciatípusok
Feltételes várható érték
Legjobb tippMértékcsere
Kapcsolódó útmutatók
  • Feltételes valószínűség és feltételes várható érték
  • Mértékelmélet az opcióárazásban
  • Feltételes várható érték és martingálok
  • Mértékcsere és a Girsanov-tétel

© 2026 Quant Sandbox · Tanulást segítő eszköz a kvantitatív pénzügyekhez

Adatvédelem és adatokNincsenek sütik

Ez az oldal nem használ sütiket (cookie-kat), és nem kér személyes adatokat. Néhány apró beállítást a böngésződ helyi tárolójában (local storage) őriz meg — a választott témát és nyelvet, az oldalsáv elrendezését, valamint az útmutatókban elért haladást és a válaszaidat —, hogy a következő látogatáskor is emlékezzen rájuk. Ezek az adatok nem hagyják el az eszközödet; a böngésző tárhelyének törlésével eltávolíthatók. A módosított bemenetek az oldal URL-címében is rögzülhetnek, így megoszthatsz vagy könyvjelzőként elmenthetsz egy adott beállítást. Az oldal a Vercel Web Analytics szolgáltatást használja, amely adatvédelem-barát és süti nélküli: csak névtelen, összesített használati adatokat (például oldalletöltéseket) rögzít, anélkül hogy azonosítana téged vagy más oldalakon követne.

Feltételes várható érték

Beállítások

Amit a megfigyelő tud · 𝒢
Megjelenítés
Viszonyítás
E[X] információ nélkül
161/36 = 4,472
A legjobb tipp abból, amit tudsz

X = a két kocka közül a nagyobb

E[X | első kocka]: soronkénti átlag

második kocka →első kocka →123456123456
→→→→→→
3,503,674,004,505,176,00

A tipp után megmaradó hiba, E[(X − tipp)²]

  • semmit sem tud · mindenhol 4,47 a tipp1,97
  • ismeri az első kockát1,20
  • mindkét kockát ismeri · tipp = X0

toronyszabály: (3,50 + 3,67 + 4,00 + 4,50 + 5,17 + 6,00) / 6 = 4,472 = E[X]

tipp, ha első kocka = 3
4,00
a tippek átlaga
4,472 = E[X]
megmaradó négyzetes hiba
1,20 / 1,97
különböző tippek
6, blokkonként egy

Az eszközről

Egy σ-algebrára vett feltételes várható érték X legjobb becslése, ha csak azt tudod, az információ melyik blokkjába esett a kimenetel: X átlaga azon a blokkon. A becslés maga is véletlen, hiszen a blokkal együtt változik, de csak azt használja, amit a megfigyelő lát. Minél több az információ, annál kisebbek a blokkok, és annál közelebb kerül a becslés X-hez. A második oldal a valószínűségi mértéket súlyozással cseréli, ez a Girsanov-tétel és a kockázatsemleges árazás alapötlete.

Gyakori kérdések

Mi a feltételes várható érték?

Egy 𝒢 σ-algebra esetén E[X | 𝒢] az a 𝒢-mérhető valószínűségi változó, amely a 𝒢 minden eseményén átlagosan megegyezik X-szel. Ha 𝒢-t blokkok generálják, ez egyszerűen X blokkátlaga, amelyet a blokk minden kimeneteléhez hozzárendelünk. Ez X legjobb előrejelzése a legkisebb négyzetek értelmében, csak a 𝒢-ben lévő információt használva. Ha semmire nem feltételezünk, a szokásos várható értéket kapjuk, ha mindenre, magát X-et.

Mi a toronytulajdonság?

A becslések átlaga visszaadja az egyszerű várható értéket: E[E[X | 𝒢]] = E[X]. Általánosabban: ha előbb egy finom, majd egy durvább σ-algebrára feltételezünk, az eredmény ugyanaz, mintha rögtön a durvábbra feltételeztünk volna. A később elfelejtett információ nem hagy nyomot. Ezért marad konzisztens az időben a martingál, az a folyamat, amelynek a jövőre vonatkozó legjobb becslése a mai érték.

Mit próbáljak ki az oldalakon?

Válaszd ki, mit tudsz két kockáról, és nézd egy érték, például a nagyobbik kocka becslését: minden blokkon állandó. Hasonlítsd a becslés négyzetes hibáját a szórásnégyzettel, ami az információ nélküli tipp hibája, és nézd, ahogy a hiba a blokkok finomodásával csökken. A második oldalon súlyozd át a mintákat dQ/dP-vel, és nézd, hogyan lesz a standard normálisból eltolt normális egyetlen pont elmozdítása nélkül.

A mértékcsere a kimenetelek megváltoztatása?

Nem. A kimenetelek és az értékeik pontosan ugyanazok maradnak, csak a súlyok változnak. Az új Q mértéket úgy kapjuk, hogy minden kimenetelhez dQ/dP súlyt rendelünk, és a Q alatti várható értékek a súlyozott változó P-várható értékei. A Girsanov-tétel megadja ezt a súlyt egész Brown-pályákra. Az árazásban a valós P és a kockázatsemleges Q minden pályát közösen használ, csak abban különböznek, mennyit számít egy-egy pálya.

Az elmélet

  • Feltételes valószínűség és feltételes várható érték — Feltételezés egy eseményre, Bayes-tétel, blokkátlagok egy partíción, feltételes várható érték σ-algebrára nézve, legjobb előrejelzés, toronyszabály.
  • Mértékelmélet az opcióárazásban — Hogyan találkozik a pálya mértékelmélete és valószínűségszámítása az opcióárazásban: ekvivalens mértékek, sűrűségek, információ, feltételes várható érték.
  • Feltételes várható érték és martingálok — Feltételes várható érték a múlt ismeretében, igazságos játékok, miért nem győzhető le egy martingál fogadási stratégiával, és a diszkontált árak Q alatt.
  • Mértékcsere és a Girsanov-tétel — Valószínűségek átsúlyozása sűrűséggel, ekvivalens mértékek, a Girsanov-tétel és a kockázat piaci ára.