【數(shù)學(xué)期望公式】在概率論與統(tǒng)計(jì)學(xué)中，數(shù)學(xué)期望是一個(gè)非常重要的概念，它用于描述隨機(jī)變量在大量重復(fù)試驗(yàn)中所表現(xiàn)出的平均值。數(shù)學(xué)期望不僅在理論研究中具有重要意義，在實(shí)際應(yīng)用中也廣泛用于金融、工程、數(shù)據(jù)分析等領(lǐng)域。
數(shù)學(xué)期望的計(jì)算方式根據(jù)隨機(jī)變量的類型（離散型或連續(xù)型）有所不同，下面將對(duì)常見的數(shù)學(xué)期望公式進(jìn)行總結(jié)，并以表格形式展示。
一、數(shù)學(xué)期望的基本概念
數(shù)學(xué)期望（Expected Value），通常用符號(hào) $ E(X) $ 表示，是隨機(jī)變量 $ X $ 在所有可能取值上按其概率加權(quán)后的平均值。換句話說，它是對(duì)隨機(jī)事件長期結(jié)果的一種預(yù)測(cè)。
二、數(shù)學(xué)期望的計(jì)算公式
1. 離散型隨機(jī)變量的數(shù)學(xué)期望
對(duì)于一個(gè)離散型隨機(jī)變量 $ X $，其可能取值為 $ x_1, x_2, \dots, x_n $，對(duì)應(yīng)的概率分別為 $ P(x_1), P(x_2), \dots, P(x_n) $，則數(shù)學(xué)期望為：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
2. 連續(xù)型隨機(jī)變量的數(shù)學(xué)期望
對(duì)于一個(gè)連續(xù)型隨機(jī)變量 $ X $，其概率密度函數(shù)為 $ f(x) $，則數(shù)學(xué)期望為：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
三、常見分布的數(shù)學(xué)期望公式
| 分布名稱 | 概率質(zhì)量函數(shù) / 密度函數(shù) | 數(shù)學(xué)期望 $ E(X) $ |
| 二項(xiàng)分布 $ B(n, p) $ | $ P(X=k) = C_n^k p^k (1-p)^{n-k} $ | $ np $ |
| 泊松分布 $ P(\lambda) $ | $ P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | $ \lambda $ |
| 均勻分布 $ U(a, b) $ | $ f(x) = \frac{1}{b-a} $, $ a \leq x \leq b $ | $ \frac{a + b}{2} $ |
| 正態(tài)分布 $ N(\mu, \sigma^2) $ | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ |
| 指數(shù)分布 $ Exp(\lambda) $ | $ f(x) = \lambda e^{-\lambda x} $, $ x \geq 0 $ | $ \frac{1}{\lambda} $ |
四、數(shù)學(xué)期望的性質(zhì)
1. 線性性：對(duì)于任意常數(shù) $ a $ 和 $ b $，有
$$
E(aX + b) = aE(X) + b
$$
2. 期望的和：若 $ X $ 和 $ Y $ 是兩個(gè)隨機(jī)變量，則
$$
E(X + Y) = E(X) + E(Y)
$$
3. 獨(dú)立變量的乘積：若 $ X $ 和 $ Y $ 相互獨(dú)立，則
$$
E(XY) = E(X) \cdot E(Y)
$$
五、總結(jié)
數(shù)學(xué)期望是概率論中的核心概念之一，用于衡量隨機(jī)變量的“中心位置”。無論是離散型還是連續(xù)型隨機(jī)變量，都可以通過相應(yīng)的公式計(jì)算其數(shù)學(xué)期望。掌握不同分布的數(shù)學(xué)期望公式，有助于我們?cè)趯?shí)際問題中進(jìn)行合理的預(yù)測(cè)與分析。
通過理解并應(yīng)用這些公式，我們可以更好地把握數(shù)據(jù)背后的規(guī)律，為決策提供科學(xué)依據(jù)。
