【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 $ 的一种“平均”或“中心位置”的度量。对于离散型和连续型随机变量，其数学期望的计算方式有所不同。
二、数学期望的公式总结
| 类型 | 随机变量 | 公式 | 说明 |
| 离散型 | $ X $ | $ E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i) $ | 其中 $ x_i $ 是可能的取值，$ P(x_i) $ 是对应的概率 |
| 连续型 | $ X $ | $ E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx $ | 其中 $ f(x) $ 是概率密度函数 |
三、数学期望的性质
1. 线性性：
对于任意常数 $ a $ 和 $ b $，以及随机变量 $ X $ 和 $ Y $，有：
$$
E(aX + bY) = aE(X) + bE(Y)
$$
2. 期望的加法性：
$$
E(X + Y) = E(X) + E(Y)
$$
3. 期望与常数的关系：
若 $ c $ 为常数，则 $ E(c) = c $
4. 期望的非负性：
若 $ X \geq 0 $，则 $ E(X) \geq 0 $
四、常见分布的数学期望
| 分布类型 | 数学期望公式 | 说明 |
| 伯努利分布 | $ E(X) = p $ | 成功概率为 $ p $ |
| 二项分布 | $ E(X) = np $ | 试验次数 $ n $，成功概率 $ p $ |
| 泊松分布 | $ E(X) = \lambda $ | 参数 $ \lambda $ 为平均发生次数 |
| 均匀分布 | $ E(X) = \frac{a + b}{2} $ | 区间 $ [a, b] $ 上的均匀分布 |
| 正态分布 | $ E(X) = \mu $ | 参数 $ \mu $ 为均值 |
| 指数分布 | $ E(X) = \frac{1}{\lambda} $ | 参数 $ \lambda $ 为率参数 |
五、数学期望的应用场景
- 投资决策：通过计算预期收益来评估不同投资方案的优劣。
- 保险定价：保险公司利用期望值来确定保费。
- 风险评估：在工程和项目管理中，用于衡量潜在损失的平均值。
- 游戏设计：在设计游戏时，计算玩家的平均赢利或输钱情况。
六、总结
数学期望是概率论中一个基础而重要的概念，它帮助我们从随机现象中提取出一个“平均”或“趋势”信息。无论是离散型还是连续型随机变量，其期望的计算都遵循一定的数学规则。掌握这些公式和性质，有助于我们在实际问题中进行更准确的分析和决策。