在线词典

数学期望怎么求

更新日期:2026-11-12 13:27:01

标题数学期望怎么求
内容

数学期望是概率论和统计学中的一个核心概念,用于描述随机变量在大量重复试验中所表现出的平均结果。它在实际生活中有广泛应用,如金融投资、保险、游戏设计等领域。掌握数学期望的计算方法,有助于我们更好地分析和预测随机事件的结果。

一、数学期望的基本概念

数学期望(Expected Value),通常用 $ E(X) $ 表示,是指一个随机变量 $ X $ 在所有可能取值上按照其概率加权后的平均值。简单来说,就是“长期来看,某件事的平均收益或损失”。

二、数学期望的计算方法

根据随机变量的类型(离散型或连续型),数学期望的计算方式有所不同:

1. 离散型随机变量

对于离散型随机变量 $ X $,其可能取值为 $ x_1, x_2, ..., x_n $,对应的概率分别为 $ p_1, p_2, ..., p_n $,则数学期望为:

$$

E(X) = \sum_{i=1}^{n} x_i \cdot p_i

$$

2. 连续型随机变量

对于连续型随机变量 $ X $,其概率密度函数为 $ f(x) $,则数学期望为:

$$

E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx

$$

三、数学期望的性质

性质 内容
线性性 $ E(aX + b) = aE(X) + b $,其中 $ a, b $ 为常数
可加性 $ E(X + Y) = E(X) + E(Y) $,无论 $ X $ 和 $ Y $ 是否独立
非负性 若 $ X \geq 0 $,则 $ E(X) \geq 0 $
期望的乘积 若 $ X $ 与 $ Y $ 独立,则 $ E(XY) = E(X) \cdot E(Y) $

四、常见分布的数学期望

以下是一些常见概率分布的数学期望公式:

分布名称 概率分布 数学期望 $ E(X) $
伯努利分布 $ P(X=1)=p, P(X=0)=1-p $ $ p $
二项分布 $ P(X=k) = C_n^k p^k (1-p)^{n-k} $ $ np $
泊松分布 $ P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!} $ $ \lambda $
均匀分布 $ f(x) = \frac{1}{b-a}, a \leq x \leq b $ $ \frac{a+b}{2} $
正态分布 $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ $ \mu $
指数分布 $ f(x) = \lambda e^{-\lambda x}, x \geq 0 $ $ \frac{1}{\lambda} $

五、数学期望的应用实例

例1:掷一枚硬币

- 正面(H)的概率为 0.5,收益为 1 元;

- 反面(T)的概率为 0.5,收益为 -1 元;

数学期望为:

$$

E(X) = 1 \times 0.5 + (-1) \times 0.5 = 0

$$

例2:抽奖活动

- 中奖概率为 0.1,奖金为 100 元;

- 不中奖概率为 0.9,奖金为 0 元;

数学期望为:

$$

E(X) = 100 \times 0.1 + 0 \times 0.9 = 10

$$

六、总结

数学期望是衡量随机变量“平均表现”的重要工具,通过合理的计算和应用,可以为决策提供科学依据。无论是理论研究还是实际问题,理解并掌握数学期望的计算方法都具有重要意义。

关键点 内容
定义 随机变量的长期平均值
离散型 $ E(X) = \sum x_i p_i $
连续型 $ E(X) = \int x f(x) dx $
性质 线性、可加、非负、乘积(独立时)
应用 投资、保险、游戏设计等

如需进一步了解具体分布的数学期望推导过程,可参考相关教材或在线资源进行深入学习。

随便看