Gra może mieć nieskończoną wartość oczekiwaną, choć typowa wygrana jest mała
W klasycznej grze petersburskiej rzucamy uczciwą monetą aż do pierwszego orła. Jeśli pojawia się on w n-tym rzucie, nagroda wynosi 2^n. Prawdopodobieństwo takiego wyniku to 1/2^n, więc każdy poziom nagrody wnosi do wartości oczekiwanej dokładnie 1: (1/2^n)·2^n=1. Suma 1+1+1+… nie ma skończonej wartości, dlatego oczekiwana wypłata jest nieograniczona. Jednocześnie połowa gier kończy się nagrodą 2, a trzy czwarte nagrodą co najwyżej 4. Paradoks pokazuje, że wartość oczekiwana nie zawsze jest wystarczającym opisem atrakcyjności i ryzyka gry.
Jak działa gra
W pierwszym rzucie orzeł daje wypłatę 2 z prawdopodobieństwem 1/2. Jeśli najpierw wypadnie reszka, a potem orzeł, wypłata wynosi 4 z prawdopodobieństwem 1/4. Dalej mamy 8 z prawdopodobieństwem 1/8, 16 z 1/16 i tak bez końca. Każdy możliwy wynik jest skończony, ale lista możliwych wyników nie ma górnego ograniczenia.
Skąd bierze się nieskończona średnia
W wartości oczekiwanej mnożymy każdą wypłatę przez jej prawdopodobieństwo. Tutaj każdy składnik wynosi 1, więc suma oczekiwanych wkładów to 1+1+1+… . Nie chodzi o to, że gracz może dostać „nieskończoną nagrodę” w pojedynczej partii. Chodzi o to, że coraz rzadsze wypłaty rosną dokładnie tak szybko, aby ich wkład do średniej nie malał.
Typowy wynik wygląda zupełnie inaczej
Prawdopodobieństwo zakończenia gry w pierwszym rzucie wynosi 1/2, więc mediana wypłaty jest bardzo mała. Z prawdopodobieństwem 3/4 gra zakończy się najpóźniej w drugim rzucie, dając co najwyżej 4. Ogromna wartość oczekiwana jest napędzana skrajnie rzadkimi, astronomicznie dużymi nagrodami. To pokazuje, że średnia może być zdominowana przez ogon rozkładu i bardzo słabo reprezentować „typowe doświadczenie”.
Dlaczego ludzie nie chcą płacić dowolnej kwoty
Klasyczna reakcja jest oczywista: mimo nieskończonej wartości oczekiwanej mało kto zapłaciłby ogromną kwotę za jedną partię. Daniel Bernoulli zwrócił uwagę na malejącą krańcową użyteczność pieniądza: dodatkowy milion może być mniej istotny dla bardzo bogatej osoby niż pierwszy milion dla biedniejszej. Współczesna teoria decyzji rozróżnia więc wartość pieniężną i użyteczność, a także bierze pod uwagę ograniczenia realnego świata.
Idealizacja ma znaczenie
Realny organizator nie dysponuje nieograniczonym kapitałem, a wypłaty i czas mogą być ograniczone. Każde skończone ograniczenie maksymalnej nagrody sprawia, że oczekiwana wartość staje się skończona. Paradoks jest jednak wartościowy właśnie jako idealizowany model: pokazuje, że matematyczna średnia może zachowywać się bardzo inaczej od intuicji o rozsądnej cenie i typowej wypłacie.
Lekcja dla analizy ryzyka
Rozkład o ciężkim ogonie może mieć średnią silnie kontrolowaną przez rzadkie ekstrema. Dlatego w praktyce obok wartości oczekiwanej analizuje się medianę, kwantyle, wariancję, ryzyko ruiny i ograniczenia zasobów. Gra petersburska jest skrajnym, eleganckim przykładem tego, że jedna liczba — nawet tak fundamentalna jak wartość oczekiwana — nie musi wystarczyć do opisania decyzji pod niepewnością.
Przycinanie maksymalnej nagrody zmienia wynik radykalnie
Jeśli organizator ustali maksymalną liczbę rzutów m albo maksymalną wypłatę, oczekiwana wartość staje się skończona i w najprostszym obcięciu rośnie tylko wraz z liczbą dopuszczonych poziomów wypłat. To pokazuje, że nieskończona średnia nie jest efektem typowej części rozkładu, lecz zachowania bardzo odległego ogona. W praktycznych modelach ograniczenia zasobów, czasu i wypłacalności są więc nie dodatkiem kosmetycznym, ale elementem, który może całkowicie zmienić własności matematyczne. Paradoks petersburski jest laboratoryjnym przykładem wrażliwości wartości oczekiwanej na założenia dotyczące ekstremalnych, bardzo rzadkich wyników.