【數學期望的六個公式】在概率論與數理統計中，數學期望是一個非常重要的概念，用于描述隨機變量的“平均值”或“中心位置”。不同的隨機變量類型對應著不同的數學期望計算方式。本文將總結數學期望的六個常見公式，并通過表格形式進行清晰展示。
一、數學期望的基本定義
數學期望（Expected Value）是隨機變量在所有可能結果中按照概率加權后的平均值。對于離散型和連續型隨機變量，其數學期望的計算方式有所不同。
二、數學期望的六個公式總結
| 公式編號 | 隨機變量類型 | 數學期望公式 | 說明 |
| 1 | 離散型隨機變量 | $ E(X) = \sum_{i=1}^{n} x_i P(X = x_i) $ | 對于有限個可能取值的離散隨機變量，每個取值乘以其對應的概率后求和 |
| 2 | 連續型隨機變量 | $ E(X) = \int_{-\infty}^{\infty} x f(x) dx $ | 概率密度函數 $ f(x) $ 在整個實數范圍上的積分 |
| 3 | 線性性質（期望線性性） | $ E(aX + bY) = aE(X) + bE(Y) $ | 期望具有線性性質，常用于組合隨機變量的期望計算 |
| 4 | 常量的期望 | $ E(c) = c $ | 常量的期望等于其本身 |
| 5 | 期望的線性運算 | $ E(X + Y) = E(X) + E(Y) $ | 兩個隨機變量之和的期望等于各自期望之和 |
| 6 | 期望的乘積（獨立情況下） | $ E(XY) = E(X)E(Y) $ | 當 $ X $ 和 $ Y $ 獨立時，乘積的期望等于各自期望的乘積 |
三、總結
以上六個公式涵蓋了數學期望的基本計算方法和一些重要性質。掌握這些公式有助于理解和解決實際問題中的概率模型，例如在金融投資、統計分析、機器學習等領域都有廣泛應用。
需要注意的是，某些公式（如第6條）僅在隨機變量獨立的情況下成立，若不獨立，則需使用協方差或其他方法進行計算。
通過表格形式可以更直觀地比較不同情況下的數學期望表達方式，便于記憶和應用。希望本文對理解數學期望有所幫助。
