什么是数学期望？如何计算？ 数学期望的公式是什么？
\u6570\u5b66\u671f\u671b\u503c\u662f\u4ec0\u4e48,\u600e\u4e48\u8ba1\u7b97E(X)=X1*p(X1)+X2*p(X2)+??+Xn*p(Xn)
X1,X2,X3,??,Xn\u4e3a\u8fd9\u51e0\u4e2a\u6570\u636e\uff0cp(X1),p(X2),p(X3),??p(Xn)\u4e3a\u8fd9\u51e0\u4e2a\u6570\u636e\u7684\u6982\u7387\u51fd\u6570\u3002
\u9700\u8981\u6ce8\u610f\u7684\u662f\uff0c\u671f\u671b\u503c\u5e76\u4e0d\u4e00\u5b9a\u7b49\u540c\u4e8e\u5e38\u8bc6\u4e2d\u7684\u201c\u671f\u671b\u201d\u2014\u2014\u201c\u671f\u671b\u503c\u201d\u4e5f\u8bb8\u4e0e\u6bcf\u4e00\u4e2a\u7ed3\u679c\u90fd\u4e0d\u76f8\u7b49\u3002\uff08\u6362\u53e5\u8bdd\u8bf4\uff0c\u671f\u671b\u503c\u662f\u8be5\u53d8\u91cf\u8f93\u51fa\u503c\u7684\u5e73\u5747\u6570\u3002\u671f\u671b\u503c\u5e76\u4e0d\u4e00\u5b9a\u5305\u542b\u4e8e\u53d8\u91cf\u7684\u8f93\u51fa\u503c\u96c6\u5408\u91cc\u3002\uff09
\u5982\u679cX\u662f\u8fde\u7eed\u7684\u968f\u673a\u53d8\u91cf\uff0c\u5b58\u5728\u4e00\u4e2a\u76f8\u5e94\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570 /iknow-pic.cdn.bcebos.com/5d6034a85edf8db1010a8ee70423dd54564e7409"target="_blank"title="\u70b9\u51fb\u67e5\u770b\u5927\u56fe"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/5d6034a85edf8db1010a8ee70423dd54564e7409?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/5d6034a85edf8db1010a8ee70423dd54564e7409"/> \uff0c\u82e5\u79ef\u5206 /iknow-pic.cdn.bcebos.com/574e9258d109b3de4e9b16ebc1bf6c81800a4c09"target="_blank"title="\u70b9\u51fb\u67e5\u770b\u5927\u56fe"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/574e9258d109b3de4e9b16ebc1bf6c81800a4c09?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/574e9258d109b3de4e9b16ebc1bf6c81800a4c09"/> \u7edd\u5bf9\u6536\u655b\uff0c\u90a3\u4e48X\u7684\u671f\u671b\u503c\u53ef\u4ee5\u8ba1\u7b97\u4e3a\uff1a /iknow-pic.cdn.bcebos.com/55e736d12f2eb9382ba08971d8628535e4dd6f60"target="_blank"title="\u70b9\u51fb\u67e5\u770b\u5927\u56fe"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/55e736d12f2eb9382ba08971d8628535e4dd6f60?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/55e736d12f2eb9382ba08971d8628535e4dd6f60"/> \uff0c\u662f\u9488\u5bf9\u4e8e\u8fde\u7eed\u7684\u968f\u673a\u53d8\u91cf\u7684\uff0c\u4e0e\u79bb\u6563\u968f\u673a\u53d8\u91cf\u7684\u671f\u671b\u503c\u7684\u7b97\u6cd5\u540c\u51fa\u4e00\u8f99\uff0c\u7531\u4e8e\u8f93\u51fa\u503c\u662f\u8fde\u7eed\u7684\uff0c\u6240\u4ee5\u628a\u6c42\u548c\u6539\u6210\u4e86\u79ef\u5206\u3002
/iknow-pic.cdn.bcebos.com/8cb1cb13495409233cfce5fd9f58d109b2de4998"target="_blank"title="\u70b9\u51fb\u67e5\u770b\u5927\u56fe"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/8cb1cb13495409233cfce5fd9f58d109b2de4998?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/8cb1cb13495409233cfce5fd9f58d109b2de4998"/>
\u6269\u5c55\u8d44\u6599\uff1a
\u5728\u4e00\u822c\u60c5\u51b5\u4e0b\uff0c\u4e24\u4e2a\u968f\u673a\u53d8\u91cf\u7684\u79ef\u7684\u671f\u671b\u503c\u4e0d\u7b49\u4e8e\u8fd9\u4e24\u4e2a\u968f\u673a\u53d8\u91cf\u7684\u671f\u671b\u503c\u7684\u79ef\u3002
\u7279\u6b8a\u60c5\u51b5\u662f\u5f53\u8fd9\u4e24\u4e2a\u968f\u673a\u53d8\u91cf\u662f\u76f8\u4e92\u72ec\u7acb\u7684\u65f6\u5019 /iknow-pic.cdn.bcebos.com/0824ab18972bd4071424557e76899e510eb30955"target="_blank"title="\u70b9\u51fb\u67e5\u770b\u5927\u56fe"class="ikqb_img_alink">/iknow-pic.cdn.bcebos.com/0824ab18972bd4071424557e76899e510eb30955?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/0824ab18972bd4071424557e76899e510eb30955"/> \uff08\u4e5f\u5c31\u662f\u8bf4\u4e00\u4e2a\u968f\u673a\u53d8\u91cf\u7684\u8f93\u51fa\u4e0d\u4f1a\u5f71\u54cd\u53e6\u4e00\u4e2a\u968f\u673a\u53d8\u91cf\u7684\u8f93\u51fa\u3002\uff09
\u4f8b\u5982\uff0c\u7f8e\u56fd\u7684\u8f6e\u76d8\u4e2d\u5e38\u7528\u7684\u8f6e\u76d8\u4e0a\u670938\u4e2a\u6570\u5b57\uff0c\u6bcf\u4e00\u4e2a\u6570\u5b57\u88ab\u9009\u4e2d\u7684\u6982\u7387\u90fd\u662f\u76f8\u7b49\u7684\u3002\u8d4c\u6ce8\u4e00\u822c\u62bc\u5728\u5176\u4e2d\u67d0\u4e00\u4e2a\u6570\u5b57\u4e0a\uff0c\u5982\u679c\u8f6e\u76d8\u7684\u8f93\u51fa\u503c\u548c\u8fd9\u4e2a\u6570\u5b57\u76f8\u7b49\uff0c\u90a3\u4e48\u4e0b\u8d4c\u8005\u53ef\u4ee5\u5c06\u76f8\u5f53\u4e8e\u8d4c\u6ce835\u500d\u7684\u5956\u91d1(\u539f\u6ce8\u4e0d\u5305\u542b\u5728\u5185)\uff0c\u82e5\u8f93\u51fa\u503c\u548c\u4e0b\u538b\u6570\u5b57\u4e0d\u540c\uff0c\u5219\u8d4c\u6ce8\u5c31\u8f93\u6389\u4e86\u3002
\u8003\u8651\u523038\u79cd\u6240\u6709\u7684\u53ef\u80fd\u7ed3\u679c\uff0c\u7136\u540e\u8fd9\u91cc\u6211\u4eec\u7684\u8bbe\u5b9a\u7684\u671f\u671b\u76ee\u6807\u662f\u201c\u8d62\u94b1\u201d\uff0c\u5219\u56e0\u6b64\uff0c\u8ba8\u8bba\u8d62\u6216\u8f93\u4e24\u79cd\u9884\u60f3\u72b6\u6001\u7684\u8bdd\uff0c\u4ee51\u7f8e\u5143\u8d4c\u6ce8\u62bc\u4e00\u4e2a\u6570\u5b57\u4e0a\uff0c\u5219\u83b7\u5229\u7684\u671f\u671b\u503c\u4e3a\uff1a\u8d62\u7684\u201c\u6982\u738738\u5206\u4e4b1\uff0c\u80fd\u83b7\u5f9735\u5143\u201d\uff0c\u52a0\u4e0a\u201c\u8f931\u5143\u7684\u60c5\u51b537\u79cd\u201d\uff0c\u7ed3\u679c\u7ea6\u7b49\u4e8e-0.0526\u7f8e\u5143\u3002
\u4e5f\u5c31\u662f\u8bf4\uff0c\u5e73\u5747\u8d77\u6765\u6bcf\u8d4c1\u7f8e\u5143\u5c31\u4f1a\u8f93\u63895\u7f8e\u5206\uff0c\u5373\u7f8e\u5f0f\u8f6e\u76d8\u4ee51\u7f8e\u5143\u4f5c\u8d4c\u6ce8\u7684\u671f\u671b\u503c\u4e3a\u8d1f0.0526\u7f8e\u5143\u3002
数学期望是试验中每次可能结果的概率乘以其结果的总和。
计算公式：
1、离散型：
离散型随机变量X的取值为X1、X2、X3……Xn，p(X1)、p(X2)、p(X3)……p(Xn)、为X对应取值的概率，可理解为数据X1、X2、X3……Xn出现的频率高f(Xi)，则：
2、连续型：
设连续性随机变量X的概率密度函数为f(x)，若积分绝对收敛，则称积分的值
为随机变量的数学期望，记为E(X)。即
扩展资料
例题：
在10件产品中，有3件一等品，4件二等品，3件三等品。从这10件产品中任取3件, 求：
（1）取出的3件产品中一等品件数x的分布列和数学期望；
（2）取出的3件产品中一等品件数多于二等品件数的概率。
解：
x的数学期望E(x)=0*7/24+1*21/40+2*7/40+3*1/120=9/10
参考资料来源：百度百科-数学期望
百度百科里就有
http://baike.baidu.com/view/295737.htm?fr=ala0_1_1
大概意思就是平均数
在概率论和统计，数学期望（或预期值,或平均，或一个随机变量的第一时刻）是随机变量就其概率测度的积分。
对于离散随机变量，这是等同于可能的值的概率加权总和。
数学期望 :
E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn)
X1,X2,X3,……,Xn为数据，p(X1),p(X2),p(X3),……p(Xn)为这几个数据的概率函数.
对于连续随机变量, 这是等同于概率密度函数的加权积分.
数学期望 :
E(X) = 积分 x p(x)dx
术语“期望值”可能会引起误解。我们绝不能混淆“最可能的价值。”预期值一般不是一个典型值随机变量可以承担。它通常有助于解释为长期运行的变量的平均值超过许多独立的重复实验的一个随机变量的期望值。
预期值可直观地理解了大量数据法则：预期值，当它存在，几乎是肯定的样本限额平均为样本大小增长到无穷大。该值可能不是一般意义上的预期 - “预期价值”本身可能有2.5个儿童，
预期值可以通过采取兴建的一个指标功能，是一个预期的预期值等于一事件的概率，如果事件发生，否则为0。这种关系可以用来转化成概率性质的预期值的属性，如利用大量数据定律证明的频率估计概率。
绛旓細鏁板鏈熸湜涓璄(XY)琛ㄧずxy鐩镐箻鐨勬暟瀛︽湡鏈涖傞鍏坸锛寉閮芥槸闅忎究鍙橀噺锛孍锛坸锛夎〃绀簒鐨勨滃钩鍧団濓紝鍗虫暟瀛︽湡鏈涳紝鑰岀幇鍦ㄧ浉褰撲簬鎶妜y鐪嬫垚涓涓暟锛坸锛寉鍚勮嚜闅忔満鍙栧硷級锛岀劧鍚庢眰锛堜笉濡ㄨz=xy锛夛紝涔熷氨鏄疎(Z)=E(XY)銆傛鐜囪鍜岀粺璁″涓紝鏁板鏈熸湜(mean)锛堟垨鍧囧硷紝浜︾畝绉版湡鏈涳級鏄瘯楠屼腑姣忔鍙兘缁撴灉鐨勬鐜囦箻浠ュ叾...
绛旓細X锛1,X锛2,X锛3锛屸︹︼紝X銆俷涓鸿繖绂绘暎鍨嬮殢鏈哄彉閲忥紝p(X1锛夛紝p(X2锛夛紝p(X3锛夛紝鈥︹(Xn)涓鸿繖鍑犱釜鏁版嵁鐨勬鐜囧嚱鏁般傚湪闅忔満鍑虹幇鐨勫嚑涓暟鎹腑p(X1锛夛紝p(X2锛夛紝p(X3锛夛紝鈥︹(Xn)姒傜巼鍑芥暟灏辩悊瑙ｄ负鏁版嵁X1,X2,X3锛屸︹︼紝Xn鍑虹幇鐨勯鐜噁(Xn)銆鏁板鏈熸湜鎻忚堪鐨勬槸涓涓殢鏈哄彉閲忓彇鍊肩殑闆嗕腑浣嶇疆...
绛旓細鏁板鏈熸湜鐨勬ц川锛1銆佽x鏄殢鏈哄彉閲忥紝c鏄父鏁帮紝鍒檈锛坈x锛=ce锛坸锛夈2銆佽x锛寉鏄换鎰忎袱涓殢鏈哄彉閲忥紝鍒欐湁e锛坸+y锛=e锛坸锛+e锛坹锛夈3銆佽x锛寉鏄浉浜掔嫭绔嬬殑闅忔満鍙橀噺锛屽垯鏈塭锛坸y锛=e锛坸锛塭锛坹锛夈4銆佽c涓哄父鏁帮紝鍒檈锛坈锛=c銆
绛旓細鈥渋鈥濊〃绀洪氶」鍏紡涓璱鏄彉閲忥紝闅忕潃椤规暟鐨勫鍔犺岄1澧炲姞 锛屸1鈥濊〃绀轰粠i=1鏃跺紑濮嬪彉鍖栵紝涓婇潰鐨勨渘鈥濊〃绀哄姞鍒癷=n锛屸渁i鈥濇槸閫氶」鍏紡銆傛ц川锛氣垜锛坈x锛=c鈭憍,c涓哄父鏁般2銆 鏁板鏈熸湜E鐨勮繍绠楀叕寮忓拰鎬ц川锛氬叕寮忥細濡傛灉X銆乊鐙珛,鍒欙細E(XY)=E(X)*E(Y)銆傚鏋滀笉鐙珛,鍙互鐢ㄥ畾涔璁＄畻锛氬厛姹傚嚭X銆乊...
绛旓細E(3x^2+2)=3 E(x^2)+2 鍦ㄦ鐜囪鍜岀粺璁″涓紝鏁板鏈熸湜锛堟垨鍧囧硷級鏄瘯楠屼腑姣忔鍙兘缁撴灉鐨勬鐜囦箻浠ュ叾缁撴灉鐨勬诲拰锛屾槸鏈鍩烘湰鐨勬暟瀛︾壒寰佷箣涓銆傚畠鍙嶆槧闅忔満鍙橀噺骞冲潎鍙栧肩殑澶у皬銆傦紙1锛夌鏁ｅ瀷 濡傛灉闅忔満鍙橀噺鍙彇寰楁湁闄愪釜鍊兼垨鏃犵┓鑳芥寜涓瀹氭搴忎竴涓鍒楀嚭锛屽叾鍊煎煙涓轰竴涓垨鑻ュ共涓湁闄愭垨鏃犻檺鍖洪棿锛岃繖鏍风殑闅忔満鍙橀噺...
绛旓細x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto"esrc="https://iknow-pic.cdn.bcebos.com/574e9258d109b3de4e9b16ebc1bf6c81800a4c09"/> 缁濆鏀舵暃锛岄偅涔圶鐨鏈熸湜鍊煎彲浠璁＄畻涓猴細 /iknow-pic.cdn.bcebos.com/55e736d12f2eb9382b...
绛旓細鏁板鏈熸湜锛坢ean锛夋槸鏈鍩烘湰鐨勬暟瀛︾壒寰佷箣涓锛岃繍鐢ㄤ簬姒傜巼璁哄拰缁熻瀛︿腑锛屽畠鏄瘡涓彲鑳界粨鏋滅殑姒傜巼涔樹互鍏剁粨鏋滅殑鎬诲拰銆傚畠鍙嶆槧浜嗛殢鏈哄彉閲忕殑骞冲潎鍊笺傞渶瑕佹敞鎰忕殑鏄紝鏈熸湜骞朵笉涓瀹氱瓑鍚屼簬甯歌瘑涓殑鈥滄湡鏈涒濃斺斺滄湡鏈涒濇湭蹇呯瓑浜庢瘡涓涓粨鏋溿傛湡鏈涘兼槸鍙橀噺杈撳嚭鍊肩殑骞冲潎鍊笺傛湡鏈涗笉涓瀹氬寘鍚湪鍙橀噺鐨勮緭鍑哄奸泦鍚堜腑銆傚ぇ鏁板畾寰...
绛旓細鏁板鏈熸湜锛圗xpectation锛夊拰鏂瑰樊锛圴ariance锛夋槸涓や釜閲嶈鐨勬蹇碉紝鍦ㄦ鐜囪鍜岀粺璁″涓粡甯歌鐢ㄥ埌銆傛暟瀛︽湡鏈涙槸瀵归殢鏈哄彉閲忕殑骞冲潎鍊肩殑搴﹂噺锛岃〃绀洪殢鏈哄彉閲忓湪澶ч噺瀹為獙涓殑骞冲潎琛ㄧ幇銆傚浜庣鏁ｅ瀷闅忔満鍙橀噺X锛屽叾鏁板鏈熸湜E(X)鐨璁＄畻鍏紡涓猴細E(X) = 危 [ x * P(X=x) ],鍏朵腑x浠ｈ〃X鍙兘鍙栧埌鐨勫硷紝P(X=x)琛ㄧず...
绛旓細鑻ヤ緵涓嶅簲姹傦紝鍙粠鍏朵粬瓒呭競璋冩嫧锛屾鏃惰秴甯傚晢鍝佸彲鑾峰埄300鍏冦傝瘯璁＄畻杩涜揣閲忓灏戞椂锛岃秴甯傚彲鑾峰緱鏈浣冲埄娑﹀苟姹傚嚭鏈澶у埄娑︾殑鏈熸湜鍊笺傚垎鏋愶細鐢变簬璇ュ晢鍝佺殑闇姹傞噺锛堥攢鍞噺锛塜鏄竴涓殢鏈哄彉閲忥紝瀹冨湪鍖洪棿[10,30]涓婂潎鍖鍒嗗竷锛岃岄攢鍞鍟嗗搧鐨勫埄娑﹀糦涔熸槸闅忔満鍙橀噺锛屽畠鏄疿鐨勫嚱鏁帮紝绉颁负闅忔満鍙橀噺鐨勫嚱鏁般傞涓墍娑夊強鐨...
绛旓細鏁板鏈熸湜灏辨槸鎴戜滑瀵逛簬涓涓殢鏈轰簨浠剁殑骞冲潎棰勬湡缁撴灉锛屼綘鍙互灏嗗叾瑙嗕负涓绉嶅钩鍧囧笺傝屾柟宸垯鏄弿杩拌繖浜涚粨鏋滅殑绂绘暎绋嬪害锛屾垨鑰呰缁撴灉涓庡钩鍧囧间箣闂寸殑宸紓澶у皬銆傛柟宸秺澶э紝鎰忓懗鐫缁撴灉鐨勫彉鍖栬秺澶э紝鏂瑰樊瓒婂皬锛岀粨鏋滃氨瓒婄ǔ瀹氾紝鍙樺寲瓒婂皬銆
