【數(shù)學期望的公式】數(shù)學期望是概率論與數(shù)理統(tǒng)計中的一個重要概念，用于描述隨機變量在大量重復試驗中取值的平均趨勢。它反映了隨機變量的“中心位置”，是進行風險評估、決策分析等實際應用的重要工具。
一、數(shù)學期望的基本定義
數(shù)學期望（Expected Value）通常用 $ E(X) $ 或 $ \mathbb{E}[X] $ 表示，表示一個隨機變量 $ X $ 在所有可能取值上的加權(quán)平均，權(quán)重為對應的概率。
根據(jù)隨機變量的類型，數(shù)學期望的計算方式有所不同，主要分為離散型和連續(xù)型兩種情況。
二、數(shù)學期望的公式總結(jié)
| 隨機變量類型 | 數(shù)學期望公式 | 說明 |
| 離散型隨機變量 | $ E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i) $ | 其中 $ x_i $ 是隨機變量的第 $ i $ 個可能取值，$ P(x_i) $ 是對應的概率 |
| 連續(xù)型隨機變量 | $ E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx $ | 其中 $ f(x) $ 是概率密度函數(shù) |
| 離散型隨機變量的線性組合 | $ E(aX + bY) = aE(X) + bE(Y) $ | 線性性質(zhì)，適用于任意常數(shù) $ a, b $ |
| 期望的線性性質(zhì) | $ E(X + Y) = E(X) + E(Y) $ | 無論 $ X $ 和 $ Y $ 是否獨立，該性質(zhì)成立 |
| 方差與期望的關(guān)系 | $ Var(X) = E(X^2) - [E(X)]^2 $ | 方差是衡量隨機變量偏離其均值程度的指標 |
三、常見分布的數(shù)學期望
以下是一些常見的概率分布及其數(shù)學期望：
| 分布名稱 | 概率質(zhì)量函數(shù) / 密度函數(shù) | 數(shù)學期望 $ E(X) $ |
| 伯努利分布 | $ P(X = k) = p^k (1-p)^{1-k} $ | $ p $ |
| 二項分布 | $ 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 $ |
| 均勻分布 | $ f(x) = \frac{1}{b-a} $, $ a \leq x \leq b $ | $ \frac{a + b}{2} $ |
| 正態(tài)分布 | $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ |
| 指數(shù)分布 | $ f(x) = \lambda e^{-\lambda x} $, $ x \geq 0 $ | $ \frac{1}{\lambda} $ |
四、數(shù)學期望的應用
數(shù)學期望在多個領(lǐng)域都有廣泛應用，例如：
- 金融投資：用于評估投資項目的預期收益；
- 保險行業(yè)：用于計算保費和賠付期望；
- 機器學習：在模型預測中，期望值可用于評估算法性能；
- 游戲設(shè)計：用于計算游戲的平均回報或玩家的平均收益。
五、小結(jié)
數(shù)學期望是理解隨機現(xiàn)象的核心工具之一。無論是離散還是連續(xù)型隨機變量，都可以通過相應的公式進行計算。掌握數(shù)學期望的計算方法和性質(zhì)，有助于更深入地分析和解決實際問題。
通過表格形式對不同類型的數(shù)學期望進行了歸納和總結(jié)，便于快速查閱和應用。