【数学期望公式】数学期望是概率论中的一个重要概念，用于描述随机变量在长期试验中平均取值的大小。它在统计学、金融、工程等多个领域都有广泛应用。理解数学期望的计算方法，有助于我们更好地分析和预测随机事件的结果。
一、数学期望的基本定义
数学期望（Expected Value），通常用 $ E(X) $ 表示，是对随机变量 $ X $ 在所有可能取值上的加权平均，权重为对应的概率。
对于离散型随机变量，其数学期望公式为：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
其中，$ x_i $ 是随机变量的第 $ i $ 个可能取值，$ P(x_i) $ 是该取值发生的概率。
对于连续型随机变量，数学期望公式为：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
其中，$ f(x) $ 是随机变量的概率密度函数。
二、数学期望的性质
| 性质 | 内容 |
| 线性性 | $ E(aX + b) = aE(X) + b $，其中 $ a $ 和 $ b $ 为常数 |
| 可加性 | $ E(X + Y) = E(X) + E(Y) $，无论 $ X $ 和 $ Y $ 是否独立 |
| 期望的线性组合 | $ E(aX + bY) = aE(X) + bE(Y) $ |
| 非负性 | 若 $ X \geq 0 $，则 $ E(X) \geq 0 $ |
三、常见分布的数学期望
| 分布名称 | 数学期望公式 | 说明 |
| 伯努利分布 | $ p $ | 成功概率为 $ p $ 的单次试验 |
| 二项分布 | $ np $ | 进行 $ n $ 次独立试验，成功概率为 $ p $ |
| 泊松分布 | $ \lambda $ | 事件发生次数的分布，参数为 $ \lambda $ |
| 均匀分布 | $ \frac{a + b}{2} $ | 在区间 $ [a, b] $ 上均匀分布 |
| 正态分布 | $ \mu $ | 参数 $ \mu $ 为均值，即数学期望 |
| 指数分布 | $ \frac{1}{\lambda} $ | 参数为 $ \lambda $ 的指数分布 |
四、数学期望的应用
数学期望在实际问题中有着广泛的应用，例如：
- 投资决策：通过计算不同投资方案的期望收益，选择最优方案。
- 保险定价：根据风险事件的期望损失来确定保费。
- 游戏设计：评估游戏的公平性或盈利性。
- 数据分析：用于预测未来趋势或评估模型性能。
五、总结
数学期望是衡量随机变量“平均”行为的重要工具，无论是离散还是连续分布，都可以通过相应的公式进行计算。掌握数学期望的计算方法和性质，有助于我们在面对不确定性时做出更合理的判断和决策。
| 核心内容 | 说明 |
| 定义 | 随机变量的加权平均值 |
| 公式 | 离散型：$ \sum x_i P(x_i) $；连续型：$ \int x f(x) dx $ |
| 性质 | 线性、可加、非负等 |
| 应用 | 投资、保险、数据分析等 |
通过合理运用数学期望，我们可以更科学地处理不确定性和风险，提升决策质量。