【數(shù)學(xué)期望常用公式】數(shù)學(xué)期望是概率論與數(shù)理統(tǒng)計(jì)中的一個(gè)重要概念，用于描述隨機(jī)變量在長(zhǎng)期試驗(yàn)中取值的平均趨勢(shì)。它在金融、工程、統(tǒng)計(jì)分析等多個(gè)領(lǐng)域都有廣泛應(yīng)用。掌握常見(jiàn)的數(shù)學(xué)期望公式，有助于快速計(jì)算和分析隨機(jī)變量的期望值。
一、數(shù)學(xué)期望的基本定義
設(shè)隨機(jī)變量 $ X $ 的可能取值為 $ x_1, x_2, \ldots, x_n $，對(duì)應(yīng)的概率分別為 $ p_1, p_2, \ldots, p_n $，則其數(shù)學(xué)期望（記作 $ E(X) $）定義為：
$$
E(X) = \sum_{i=1}^{n} x_i p_i
$$
對(duì)于連續(xù)型隨機(jī)變量，數(shù)學(xué)期望的計(jì)算公式為：
$$
E(X) = \int_{-\infty}^{\infty} x f(x) dx
$$
其中，$ f(x) $ 是概率密度函數(shù)。
二、常見(jiàn)分布的數(shù)學(xué)期望公式
以下是幾種常見(jiàn)概率分布的數(shù)學(xué)期望公式，便于查閱和應(yīng)用：
| 分布名稱(chēng) | 概率質(zhì)量函數(shù)/密度函數(shù) | 數(shù)學(xué)期望 $ E(X) $ |
| 兩點(diǎn)分布（0-1分布） | $ P(X = 1) = p, P(X = 0) = 1 - p $ | $ p $ |
| 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 > 0 $ | $ \frac{1}{\lambda} $ |
| 伽馬分布 $ Gamma(k, \theta) $ | $ f(x) = \frac{x^{k-1} e^{-x/\theta}}{\theta^k \Gamma(k)} $ | $ k\theta $ |
三、數(shù)學(xué)期望的性質(zhì)
1. 線性性：對(duì)任意常數(shù) $ a $ 和 $ b $，有
$$
E(aX + b) = aE(X) + b
$$
2. 可加性：對(duì)于兩個(gè)隨機(jī)變量 $ X $ 和 $ Y $，有
$$
E(X + Y) = E(X) + E(Y)
$$
3. 獨(dú)立性：若 $ X $ 與 $ Y $ 獨(dú)立，則
$$
E(XY) = E(X)E(Y)
$$
4. 非負(fù)性：若 $ X \geq 0 $，則 $ E(X) \geq 0 $
四、總結(jié)
數(shù)學(xué)期望是描述隨機(jī)變量“平均”行為的重要工具，適用于離散型和連續(xù)型隨機(jī)變量。掌握常見(jiàn)分布的期望公式，有助于在實(shí)際問(wèn)題中快速進(jìn)行概率分析和決策判斷。同時(shí)，理解數(shù)學(xué)期望的性質(zhì)，可以更靈活地處理復(fù)雜隨機(jī)變量之間的關(guān)系。
通過(guò)上述表格和總結(jié)，可以系統(tǒng)地了解數(shù)學(xué)期望的常用公式及其應(yīng)用場(chǎng)景，為后續(xù)的概率計(jì)算和數(shù)據(jù)分析打下堅(jiān)實(shí)基礎(chǔ)。
