在线词典

数学期望值的公式

更新日期:2026-11-12 14:04:20

标题数学期望值的公式
内容

在概率论与统计学中,数学期望(Expected Value)是一个非常重要的概念,用于描述一个随机变量在长期试验中平均所取值的大小。它在金融、保险、决策分析等多个领域都有广泛应用。理解数学期望的计算方法,有助于我们更好地进行风险评估和预测。

一、数学期望的基本定义

数学期望是随机变量所有可能取值与其对应概率乘积之和。它是对随机变量“平均”行为的一种量化描述。

设随机变量 $ X $ 的可能取值为 $ x_1, x_2, \ldots, x_n $,对应的概率分别为 $ p_1, p_2, \ldots, p_n $,则数学期望 $ E(X) $ 的公式如下:

$$

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

$$

对于连续型随机变量,数学期望的计算方式略有不同,通常通过积分形式表示:

$$

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

$$

其中 $ f(x) $ 是随机变量 $ X $ 的概率密度函数。

二、数学期望的常见类型

根据随机变量的类型,数学期望可以分为以下几种情况:

类型 随机变量类型 公式 说明
离散型 取有限个值 $ E(X) = \sum x_i \cdot p_i $ 每个值乘以对应的概率后求和
连续型 在区间内连续取值 $ E(X) = \int x \cdot f(x) \, dx $ 通过积分计算期望值
复合型 由多个随机变量组成 $ E(aX + bY) = aE(X) + bE(Y) $ 线性性质,常用于组合变量

三、数学期望的性质

1. 线性性:对于任意常数 $ a $ 和 $ b $,有

$$

E(aX + b) = aE(X) + b

$$

2. 期望的加法性:

$$

E(X + Y) = E(X) + E(Y)

$$

3. 期望的乘积性(仅当独立时成立):

$$

E(XY) = E(X) \cdot E(Y) \quad \text{(若 } X \text{ 与 } Y \text{ 独立)}

$$

4. 非负性:如果 $ X \geq 0 $,则 $ E(X) \geq 0 $

四、应用实例

例1:抛硬币游戏

假设你参与一个游戏,掷一枚公平的硬币,正面得5元,反面得-2元。求该游戏的数学期望。

- 正面的概率为 $ 0.5 $,得分为5元

- 反面的概率为 $ 0.5 $,得分为-2元

$$

E(X) = 5 \times 0.5 + (-2) \times 0.5 = 2.5 - 1 = 1.5

$$

所以,该游戏的期望收益为1.5元。

例2:彩票购买

某彩票每张售价10元,中奖概率为0.01,中奖金额为1000元。求购买一张彩票的期望收益。

- 中奖概率 $ p = 0.01 $,奖金为1000元

- 不中奖概率 $ 1 - p = 0.99 $,奖金为0元

$$

E(X) = 1000 \times 0.01 + 0 \times 0.99 = 10

$$

扣除成本10元后,期望净收益为0元。

五、总结

数学期望是衡量随机事件平均结果的重要工具,广泛应用于各种实际问题中。无论是简单的抛硬币游戏,还是复杂的金融投资决策,掌握其计算方法和性质都具有重要意义。

项目 内容
定义 随机变量所有可能值与其概率乘积之和
公式 离散型:$ E(X) = \sum x_i \cdot p_i $;连续型:$ E(X) = \int x \cdot f(x) \, dx $
性质 线性性、加法性、乘积性(独立时)
应用 投资决策、风险评估、游戏设计等

通过理解并运用数学期望,我们可以更科学地做出决策,降低不确定性带来的影响。

随便看