在线词典

数学期望常用公式总结

更新日期:2026-11-12 13:27:01

五、应用举例

- 在保险行业中,保险公司通过计算理赔金额的数学期望来制定保费。

- 在投资领域,投资者根据资产收益的期望值进行风险评估与组合优化。

- 在机器学习中,期望值常用于模型预测结果的平均表现分析。

六、总结

数学期望作为概率论中的核心概念,广泛应用于各个领域。掌握其基本公式和性质,有助于更深入地理解随机现象,并为实际问题提供理论依据。本文通过表格形式系统地整理了常见的数学期望公式,便于读者快速查阅与应用。

标题数学期望常用公式总结
内容

在概率论与数理统计中,数学期望(Expected Value)是一个非常重要的概念,用于描述随机变量在长期试验中平均取值的大小。无论是离散型还是连续型随机变量,数学期望都有其特定的计算方式和应用场景。以下是对常见数学期望公式的总结,便于学习和查阅。

一、基本概念

数学期望是随机变量所有可能取值按照其概率加权后的平均值。记为 $ E(X) $ 或 $ \mu $,表示随机变量 $ X $ 的“平均”或“中心”位置。

二、数学期望常用公式总结

随机变量类型 公式 说明
离散型随机变量 $ E(X) = \sum_{i=1}^{n} x_i P(x_i) $ $ x_i $ 是随机变量的可能取值,$ P(x_i) $ 是对应的概率
连续型随机变量 $ E(X) = \int_{-\infty}^{\infty} x f(x) dx $ $ f(x) $ 是概率密度函数
线性性质 $ E(aX + bY) = aE(X) + bE(Y) $ $ a, b $ 为常数,$ X, Y $ 为随机变量
常数的期望 $ E(c) = c $ $ c $ 为常数
方差与期望关系 $ Var(X) = E(X^2) - [E(X)]^2 $ 用于计算方差
条件期望 $ E(XY=y) = \sum_{x} x P(X=xY=y) $ 或 $ \int x f_{XY}(xy) dx $ 在给定 $ Y=y $ 的条件下,求 $ X $ 的期望

三、常见分布的数学期望

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} $
几何分布 $ P(X=k) = (1-p)^{k-1} p $ $ \frac{1}{p} $

四、数学期望的性质小结

1. 线性性:数学期望具有线性性质,即对任意常数 $ a, b $ 和随机变量 $ X, Y $,有:

$$

E(aX + bY) = aE(X) + bE(Y)

$$

2. 非负性:若 $ X \geq 0 $,则 $ E(X) \geq 0 $。

3. 独立性:若 $ X $ 与 $ Y $ 相互独立,则:

$$

E(XY) = E(X)E(Y)

$$

4. 期望的可积性:若 $ E(

X) < \infty $,则 $ E(X) $ 存在。
随便看