統計学やデータ分析を学び始めると、必ず出てくる「期待値」という言葉。株式投資のリターン予測や、ビジネスの意思決定など、さまざまな場面で活用される重要な概念です。でも、「期待値って何？」「どうやって計算するの？」と疑問に思う方も多いのではないでしょうか。
実は期待値とは、確率変数がとる値の平均的な結果を表すもので、確率によって重みづけした平均値のことです。この記事では、統計学の期待値について、定義や性質、計算公式を初心者の方にもわかりやすく解説していきます。離散型と連続型の両方の確率変数について、例題を使いながら丁寧に説明しますので、安心して読み進めてください。
目次
目次
- 期待値とは？基本概念を理解する
- 期待値の定義と計算公式
- 期待値の性質と重要な特徴
- 例題で学ぶ期待値の計算方法
- 確率変数の関数の期待値
- 期待値と平均の違い
- 株式投資やビジネスにおける期待値の活用
- まとめ
期待値とは？基本概念を理解する
期待値（Expected Value）とは、確率的な現象において、ある事象が起こると「期待される」平均的な値のことを指します。英語では「Expected Value」と呼ばれ、記号ではE(X)やμ（ミュー）で表されることが一般的です。
簡単に言えば、期待値は、確率変数がとる値を確率によって重みづけした平均値であり、長期的に何度も試行を繰り返したときに得られると予測される平均的な結果を表します。
たとえば、サイコロを振ったときに出る目の期待値を考えてみましょう。サイコロは1から6の目が等しい確率（それぞれ1/6）で出ます。期待値は各目の値とその確率を掛け合わせて合計したものなので、
\(E(X) = 1 \times \frac{1}{6} + 2 \times \frac{1}{6} + 3 \times \frac{1}{6} + 4 \times \frac{1}{6} + 5 \times \frac{1}{6} + 6 \times \frac{1}{6} = 3.5\)
となります。サイコロを何度も振り続けると、出た目の平均値は3.5に近づいていくというわけです。
期待値は、分布の特徴を把握するために用いられる重要な情報であり、データの中心的な傾向を表す指標として、統計学や確率論において中心的な役割を果たします。
期待値の定義と計算公式
期待値の定義は、確率変数が離散型か連続型かによって異なります。それぞれの場合について、定義と計算公式を見ていきましょう。
離散型確率変数の期待値
離散型確率変数とは、とりうる値が飛び飛びの値（整数など）となる確率変数のことです。サイコロの目や、コインの表裏などが代表的な例です。
離散型確率変数Xがとる値をx₁, x₂, …, xₙとし、それぞれの値をとる確率をP(X = xᵢ)とすると、期待値E(X)は次のように定義されます。
\(E(X) = \sum_{i=1}^{n} x_i \cdot P(X = x_i)\)
つまり、各値とその確率の積を全て足し合わせたものが期待値となります。この式は、確率を重みとした加重平均を計算していることになります。
連続型確率変数の期待値
連続型確率変数とは、とりうる値が連続的な範囲（実数の区間など）となる確率変数のことです。身長や体重、株価の変動率などが例として挙げられます。
連続型確率変数Xの確率密度関数をf(x)とすると、期待値E(X)は次のように定義されます。
\(E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx\)
離散型の場合の「和（Σ）」が、連続型では「積分（∫）」に置き換わったと考えればわかりやすいでしょう。確率密度関数f(x)を重みとして、xの値を積分するイメージです。
期待値の計算では、離散型は「和」、連続型は「積分」を使います。どちらも「値×確率（または確率密度）」を合計するという基本的な考え方は同じです。
期待値の性質と重要な特徴
期待値には、計算を簡単にしたり、複雑な問題を解いたりする際に役立つ重要な性質がいくつかあります。主な性質を見ていきましょう。
定数の期待値
定数cの期待値は、その定数そのものになります。
\(E(c) = c\)
これは直感的にも理解しやすいですね。確率変数ではなく固定された値なので、期待される値もその値そのものになります。
定数倍の性質
確率変数Xを定数c倍した期待値は、期待値をc倍したものと等しくなります。
\(E(cX) = c \cdot E(X)\)
たとえば、ある投資の期待リターンが5%であれば、投資額を2倍にしたときの期待リターンは10%になるという考え方です。
加法性の性質
2つの確率変数X、Yの和の期待値は、それぞれの期待値の和と等しくなります。
\(E(X + Y) = E(X) + E(Y)\)
この性質は、XとYが独立かどうかに関わらず常に成り立つため、非常に強力です。複数の独立した投資先がある場合、ポートフォリオ全体の期待リターンは、各投資の期待リターンの合計として計算できます。
線形性の性質
上記の定数倍と加法性を組み合わせると、期待値の線形性と呼ばれる性質が得られます。
\(E(aX + bY + c) = aE(X) + bE(Y) + c\)
ここでa、b、cは定数です。この性質により、複雑な確率変数の組み合わせでも、期待値を簡単に計算できるようになります。
積の期待値（独立な場合）
2つの確率変数X、Yが独立である場合、積の期待値は期待値の積と等しくなります。
\(E(XY) = E(X) \cdot E(Y) \quad (\text{XとYが独立のとき})\)
ただし、この性質はXとYが独立でない場合には成り立たないので注意が必要です。
期待値の線形性は非常に重要な性質です。複数の確率変数の線形結合の期待値は、それぞれの期待値の線形結合として計算できます。この性質を理解しておくと、複雑な計算が格段に簡単になります。
例題で学ぶ期待値の計算方法
ここでは具体的な例題を通して、期待値の計算方法を学んでいきましょう。
例題1：サイコロの期待値
公平なサイコロを1回振ったときに出る目の期待値を求めてください。
解答：
サイコロの各目（1、2、3、4、5、6）が出る確率はそれぞれ1/6です。期待値の定義に従って計算します。
- 各目の値とその確率を確認します：1から6の目がそれぞれ確率1/6で出る
- 期待値の公式を適用します
- 各項を計算して合計します
\(E(X) = 1 \times \frac{1}{6} + 2 \times \frac{1}{6} + 3 \times \frac{1}{6} + 4 \times \frac{1}{6} + 5 \times \frac{1}{6} + 6 \times \frac{1}{6}\)
\(E(X) = \frac{1 + 2 + 3 + 4 + 5 + 6}{6} = \frac{21}{6} = 3.5\)
サイコロを振ったときの期待値は3.5となります。実際にサイコロで3.5の目が出ることはありませんが、長期的に何度も振ると平均値は3.5に近づいていきます。
例題2：宝くじの期待値
ある宝くじは1枚300円で、以下の当選確率と賞金があります。期待値を求めてください。
- 1等：賞金10,000円、確率1/1000
- 2等：賞金1,000円、確率10/1000
- 3等：賞金100円、確率50/1000
- はずれ：賞金0円、確率939/1000
解答：
賞金額の期待値を計算します。
- 各当選結果の賞金額とその確率を整理します
- 期待値の公式に当てはめて計算します
- 購入コストとの差を考えます
\(E(X) = 10000 \times \frac{1}{1000} + 1000 \times \frac{10}{1000} + 100 \times \frac{50}{1000} + 0 \times \frac{939}{1000}\)
\(E(X) = 10 + 10 + 5 + 0 = 25\)
賞金の期待値は25円です。しかし宝くじは1枚300円なので、実質的な期待値（期待利益）は25円 – 300円 = -275円となります。つまり、平均的には1枚買うごとに275円損をすることが期待されます。
例題3：株式投資の期待リターン
ある株式の1年後のリターンが以下の確率分布に従うとします。期待リターンを求めてください。
- 好況：リターン+20%、確率30%
- 普通：リターン+5%、確率50%
- 不況：リターン-10%、確率20%
解答：
- 各シナリオのリターンと確率を確認します
- 期待値の公式を適用します
- パーセント表記を小数に変換して計算します
\(E(R) = 0.20 \times 0.30 + 0.05 \times 0.50 + (-0.10) \times 0.20\)
\(E(R) = 0.06 + 0.025 – 0.02 = 0.065\)
期待リターンは6.5%となります。この株式に投資すると、平均的には年間6.5%のリターンが期待できることになります。
確率変数の関数の期待値
確率変数Xそのものではなく、Xの関数g(X)の期待値を求めたい場合があります。たとえば、Xの2乗の期待値E(X²)や、分散の計算などで必要になります。
離散型確率変数の関数の期待値
離散型確率変数Xの関数g(X)の期待値は、次のように計算されます。
\(E[g(X)] = \sum_{i=1}^{n} g(x_i) \cdot P(X = x_i)\)
つまり、g(X)の値を直接確率で重みづけして合計します。わざわざg(X)の確率分布を求め直す必要はありません。
例えば、サイコロの目Xの2乗の期待値E(X²)を求める場合、
\(E(X^2) = 1^2 \times \frac{1}{6} + 2^2 \times \frac{1}{6} + 3^2 \times \frac{1}{6} + 4^2 \times \frac{1}{6} + 5^2 \times \frac{1}{6} + 6^2 \times \frac{1}{6}\)
\(E(X^2) = \frac{1 + 4 + 9 + 16 + 25 + 36}{6} = \frac{91}{6} \approx 15.17\)
となります。
連続型確率変数の関数の期待値
連続型確率変数Xの確率密度関数がf(x)のとき、関数g(X)の期待値は次のように計算されます。
\(E[g(X)] = \int_{-\infty}^{\infty} g(x) \cdot f(x) \, dx\)
離散型と同様に、g(x)を確率密度で重みづけして積分します。
関数の期待値を求める際は、わざわざ新しい確率分布を求める必要はありません。元の確率変数の分布を使って、関数の値を直接重みづけして計算できます。
期待値と平均の違い
「期待値」と「平均」は似た概念ですが、厳密には異なります。この違いを理解しておくことは重要です。
平均（算術平均）は、実際に観測されたデータの中心を表す値です。たとえば、5回サイコロを振って「2, 4, 6, 3, 5」という結果が得られた場合、平均は(2+4+6+3+5)/5 = 4となります。これは実際に観測されたデータの平均です。
一方、期待値は、確率分布に基づいて理論的に計算される値です。サイコロの目の期待値は3.5ですが、これは確率分布から計算される理論値であり、実際の観測データとは無関係です。
期待値は「これから起こると期待される平均的な値」であり、平均は「すでに観測されたデータの中心値」と言えます。
ただし、大数の法則により、試行回数を増やしていくと、観測されたデータの平均値は期待値に近づいていきます。サイコロを何千回、何万回と振れば、出た目の平均は3.5に近づいていくのです。
| 項目 | 期待値 | 平均 |
|---|---|---|
| 基づくもの | 確率分布（理論） | 実際のデータ（観測） |
| 計算タイミング | 観測前に計算可能 | 観測後に計算 |
| 性質 | 理論値・予測値 | 実測値・記述統計量 |
| 記号 | E(X)、μ | x̄（エックスバー） |
株式投資やビジネスにおける期待値の活用
期待値は統計学の理論だけでなく、株式投資やビジネスの意思決定において非常に実用的な概念です。
投資判断における期待値
株式投資では、期待リターンを計算することで、投資の魅力度を評価できます。前述の例題のように、各シナリオの確率とリターンから期待リターンを計算し、投資判断の基準とします。
複数の投資先を比較する場合、期待値が高いほうが平均的には有利ですが、同時に分散や標準偏差（リスク）も考慮する必要があります。期待値が高くても、リスクが大きすぎる投資は避けるべき場合もあります。
ポートフォリオの期待リターン
複数の株式や資産に分散投資する場合、ポートフォリオ全体の期待リターンは、期待値の線形性を使って計算できます。
資産Aに40%、資産Bに60%投資するポートフォリオの期待リターンは、
\(E(R_p) = 0.4 \times E(R_A) + 0.6 \times E(R_B)\)
となります。各資産の期待リターンと投資比率がわかれば、簡単にポートフォリオ全体の期待リターンを計算できるのです。
ビジネスの意思決定
新規事業への投資や、マーケティング施策の選択など、ビジネスの意思決定でも期待値の考え方は有用です。
たとえば、ある広告キャンペーンに100万円投資する場合、成功確率と成功時のリターン、失敗時の損失から期待利益を計算します。
- 成功：確率40%、利益500万円
- 失敗：確率60%、損失100万円
期待利益は、
\(E(\text{利益}) = 500 \times 0.4 + (-100) \times 0.6 = 200 – 60 = 140\text{万円}\)
期待利益がプラスなので、この投資は平均的には有利と判断できます。
期待値思考のメリット
期待値思考を身につけると、感情や直感だけでなく、データと確率に基づいた合理的な意思決定ができるようになります。短期的な結果に一喜一憂せず、長期的な視点で戦略を立てられるようになるのです。
ただし、期待値はあくまで平均的な結果であり、実際の結果は大きく異なる可能性があることも理解しておく必要があります。リスク許容度や資金管理も合わせて考慮することが重要です。
まとめ
この記事では、統計学における期待値について、定義から性質、計算方法、実践的な活用まで詳しく解説しました。重要なポイントをまとめます。
- 期待値とは：確率変数がとる値を確率で重みづけした平均値であり、長期的に期待される平均的な結果を表す指標です。
- 計算方法：離散型確率変数では各値と確率の積の和、連続型確率変数では確率密度関数を使った積分で求めます。
- 期待値の性質：線形性（加法性と定数倍の性質）が成り立ち、複雑な確率変数の組み合わせでも計算が容易になります。
- 期待値と平均の違い：期待値は理論的な予測値、平均は実際のデータから計算される記述統計量という違いがあります。
- 実践的活用：株式投資の期待リターン計算やビジネスの意思決定において、期待値思考は合理的な判断を支える重要なツールとなります。
期待値の概念を正しく理解し活用することで、不確実性を伴う状況でも、データに基づいた合理的な意思決定ができるようになります。統計学の基礎として、しっかりと身につけておきましょう。