期望的求法

更新日期：2026-09-15 19:27:10

标题

期望的求法

内容

在概率论与数理统计中，期望是一个非常重要的概念，它反映了随机变量在大量重复试验中所表现出的平均值。理解期望的计算方法，有助于我们更好地分析和预测随机事件的结果。

一、期望的基本定义

设随机变量 $ X $ 的可能取值为 $ x_1, x_2, \dots, x_n $，对应的概率分别为 $ p_1, p_2, \dots, p_n $，则期望（Expectation）记作 $ E(X) $，其计算公式为：

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

对于连续型随机变量，期望的计算方式为积分形式：

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

其中，$ f(x) $ 是概率密度函数。

二、期望的常见求法总结

以下是几种常见情况下期望的求法，便于理解和应用：

三、实际应用举例

示例1：掷骰子的期望

假设一个均匀的六面骰子，每个面出现的概率为 $ \frac{1}{6} $，则其期望为：

E(X) = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} + 6 \cdot \frac{1}{6} = 3.5

示例2：正态分布的期望

若 $ X \sim N(\mu, \sigma^2) $，则其期望为：

E(X) = \mu

四、总结

期望是描述随机变量“平均表现”的重要指标，其计算方法因变量类型不同而有所差异。掌握期望的求法，不仅有助于数学建模，还能在金融、工程、统计学等多个领域中发挥重要作用。

通过表格的形式可以更清晰地了解不同情况下的期望计算方式，便于快速查阅和应用。

随便看