数学里面期望值是什么？怎么算？ 均值和数学期望是什么？怎么区分
\u6570\u5b66\u91cc\u9762\u671f\u671b\u503c\u662f\u4ec0\u4e48\uff0c\u600e\u4e48\u7b97\uff1f\u3000\u3000\u5728\u6982\u7387\u8bba\u548c\u7edf\u8ba1\u5b66\u4e2d\uff0c\u4e00\u4e2a\u79bb\u6563\u6027\u968f\u673a\u53d8\u91cf\u7684\u671f\u671b\u503c\uff08\u6216\u6570\u5b66\u671f\u671b\u3001\u6216\u5747\u503c\uff0c\u4ea6\u7b80\u79f0\u671f\u671b\uff09\u662f\u8bd5\u9a8c\u4e2d\u6bcf\u6b21\u53ef\u80fd\u7ed3\u679c\u7684\u6982\u7387\u4e58\u4ee5\u5176\u7ed3\u679c\u7684\u603b\u548c\u3002
\u3000\u3000\u6362\u53e5\u8bdd\u8bf4\uff0c\u671f\u671b\u503c\u662f\u968f\u673a\u8bd5\u9a8c\u5728\u540c\u6837\u7684\u673a\u4f1a\u4e0b\u91cd\u590d\u591a\u6b21\u7684\u7ed3\u679c\u8ba1\u7b97\u51fa\u7684\u7b49\u540c\u201c\u671f\u671b\u201d\u7684\u5e73\u5747\u503c\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
\u3000\u3000\u4f8b\u5982\uff0c\u63b7\u4e00\u679a\u516d\u9762\u9ab0\u5b50\u7684\u671f\u671b\u503c\u662f3.5\uff0c\u8ba1\u7b97\u5982\u4e0b\uff1a
\u3000\u30001*1/6+2*1/6+3*1/6+4*1/6+5*1/6+6*1/6=3.5
\u3000\u30003.5\u4e0d\u5c5e\u4e8e\u53ef\u80fd\u7ed3\u679c\u4e2d\u7684\u4efb\u4e00\u4e2a\u3002
\u5747\u503c\u548c\u6570\u5b66\u671f\u671b\u6ca1\u6709\u533a\u522b\u3002\u5728\u6982\u7387\u8bba\u4ee5\u53ca\u7edf\u8ba1\u5b66\u4e2d\uff0c\u6570\u5b66\u671f\u671b\u6216\u5747\u503c\uff0c\u4ea6\u7b80\u79f0\u671f\u671b\uff0c\u662f\u8bd5\u9a8c\u4e2d\u6bcf\u6b21\u53ef\u80fd\u7ed3\u679c\u7684\u6982\u7387\u4e58\u4ee5\u5176\u7ed3\u679c\u7684\u603b\u548c\uff0c\u662f\u6700\u57fa\u672c\u7684\u6570\u5b66\u7279\u5f81\u4e4b\u4e00\uff0c\u53cd\u6620\u4e86\u968f\u673a\u53d8\u91cf\u5e73\u5747\u53d6\u503c\u7684\u5927\u5c0f\u3002
\u9700\u8981\u6ce8\u610f\u7684\u662f\uff0c\u671f\u671b\u503c\u5e76\u4e0d\u4e00\u5b9a\u7b49\u540c\u4e8e\u201c\u671f\u671b\u201d\u2014\u201c\u671f\u671b\u503c\u201d\u4e5f\u8bb8\u4e0e\u6bcf\u4e00\u4e2a\u7ed3\u679c\u90fd\u4e0d\u76f8\u7b49\u3002\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
\u5927\u6570\u5b9a\u5f8b\u89c4\u5b9a\uff0c\u968f\u7740\u91cd\u590d\u6b21\u6570\u63a5\u8fd1\u65e0\u7a77\u5927\uff0c\u6570\u503c\u7684\u7b97\u672f\u5e73\u5747\u503c\u51e0\u4e4e\u80af\u5b9a\u5730\u6536\u655b\u4e8e\u671f\u671b\u503c\u3002
\u5728\u6982\u7387\u548c\u7edf\u8ba1\u5b66\u4e2d\uff0c\u4e00\u4e2a\u968f\u673a\u53d8\u91cf\u7684\u671f\u671b\u503c\uff08\u6216\u671f\u5f85\u503c\uff09\u662f\u53d8\u91cf\u7684\u8f93\u51fa\u503c\u4e58\u4ee5\u5176\u673a\u7387\u7684\u603b\u548c\uff0c\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
\u6269\u5c55\u8d44\u6599
\u6570\u5b66\u671f\u671b\u7684\u5e94\u7528
\uff081\uff09\u7ecf\u6d4e\u51b3\u7b56
\u5047\u8bbe\u67d0\u4e00\u8d85\u5e02\u51fa\u552e\u7684\u67d0\u79cd\u5546\u54c1\uff0c\u6bcf\u5468\u7684\u9700\u6c42\u91cfX\u572810\u81f330\u8303\u56f4\u5185\u7b49\u53ef\u80fd\u53d6\u503c\uff0c\u8be5\u5546\u54c1\u7684\u8fdb\u8d27\u91cf\u4e5f\u572810\u81f330\u8303\u56f4\u5185\u7b49\u53ef\u80fd\u53d6\u503c\uff08\u6bcf\u5468\u53ea\u8fdb\u4e00\u6b21\u8d27\uff09\u8d85\u5e02\u6bcf\u9500\u552e\u4e00\u5355\u4f4d\u5546\u54c1\u53ef\u83b7\u5229500\u5143\u3002
\u82e5\u4f9b\u5927\u4e8e\u6c42\uff0c\u5219\u524a\u4ef7\u5904\u7406\uff0c\u6bcf\u5904\u7406\u4e00\u5355\u4f4d\u5546\u54c1\u4e8f\u635f100\u5143\uff1b\u82e5\u4f9b\u4e0d\u5e94\u6c42\uff0c\u53ef\u4ece\u5176\u4ed6\u8d85\u5e02\u8c03\u62e8\uff0c\u6b64\u65f6\u8d85\u5e02\u5546\u54c1\u53ef\u83b7\u5229300\u5143\u3002\u8bd5\u8ba1\u7b97\u8fdb\u8d27\u91cf\u591a\u5c11\u65f6\uff0c\u8d85\u5e02\u53ef\u83b7\u5f97\u6700\u4f73\u5229\u6da6\u3002\u5e76\u6c42\u51fa\u6700\u5927\u5229\u6da6\u7684\u671f\u671b\u503c\u3002
\u5206\u6790\uff1a\u7531\u4e8e\u8be5\u5546\u54c1\u7684\u9700\u6c42\u91cf\uff08\u9500\u552e\u91cf\uff09X\u662f\u4e00\u4e2a\u968f\u673a\u53d8\u91cf\uff0c\u5b83\u5728\u533a\u95f4[10,30]\u4e0a\u5747\u5300\u5206\u5e03\uff0c\u800c\u9500\u552e\u8be5\u5546\u54c1\u7684\u5229\u6da6\u503cY\u4e5f\u662f\u968f\u673a\u53d8\u91cf\uff0c\u5b83\u662fX\u7684\u51fd\u6570\uff0c\u79f0\u4e3a\u968f\u673a\u53d8\u91cf\u7684\u51fd\u6570\u3002\u9898\u4e2d\u6240\u6d89\u53ca\u7684\u6700\u4f73\u5229\u6da6\u53ea\u80fd\u662f\u5229\u6da6\u7684\u6570\u5b66\u671f\u671b\uff08\u5373\u5e73\u5747\u5229\u6da6\u7684\u6700\u5927\u503c\uff09\u3002
\u56e0\u6b64\uff0c\u672c\u95ee\u9898\u7684\u89e3\u7b97\u8fc7\u7a0b\u662f\u5148\u786e\u5b9aY\u4e0eX\u7684\u51fd\u6570\u5173\u7cfb\uff0c\u518d\u6c42\u51faY\u7684\u671f\u671bE(Y)\u3002\u6700\u540e\u5229\u7528\u6781\u503c\u6cd5\u6c42\u51faE(Y)\u7684\u6781\u5927\u503c\u70b9\u53ca\u6700\u5927\u503c\u3002
\uff082\uff09\u4f53\u80b2\u6bd4\u8d5b\u95ee\u9898
\u4e52\u4e53\u7403\u662f\u6211\u4eec\u7684\u56fd\u7403\uff0c\u4e0a\u4e16\u7eaa\u5175\u5175\u7403\u4e5f\u4e3a\u4e2d\u56fd\u5e26\u4e86\u4e00\u4e9b\u5916\u4ea4\u3002\u4e2d\u56fd\u961f\u5728\u8fd9\u9879\u8fd0\u52a8\u4e2d\u5177\u6709\u7edd\u5bf9\u7684\u4f18\u52bf\u3002\u73b0\u5c31\u4e52\u4e53\u7403\u6bd4\u8d5b\u7684\u5b89\u6392\u63d0\u51fa\u4e00\u4e2a\u95ee\u9898\uff1a\u5047\u8bbe\u5fb7\u56fd\u961f\uff08\u5fb7\u56fd\u961f\u540d\u5c06\u6ce2\u5c14\u5728\u4e2d\u56fd\u4e5f\u6709\u5f88\u591a\u7403\u8ff7\uff09\u548c\u4e2d\u56fd\u961f\u6bd4\u8d5b\u3002
\u8d5b\u5236\u6709\u4e24\u79cd\uff0c\u4e00\u79cd\u662f\u53cc\u65b9\u5404\u51fa3\u4eba\uff0c\u4e09\u573a\u4e24\u80dc\u5236\uff0c \u4e00\u79cd\u662f\u53cc\u65b9\u5404\u51fa5\u4eba\uff0c\u4e94\u573a\u4e09\u80dc\u5236\uff0c\u54ea\u4e00\u79cd\u8d5b\u5236\u5bf9\u4e2d\u56fd\u961f\u66f4\u6709\u5229\u3002
\u5206\u6790\uff1a\u7531\u4e8e\u4e2d\u56fd\u961f\u5728\u8fd9\u9879\u6bd4\u8d5b\u4e2d\u7684\u4f18\u52bf\uff0c\u4e0d\u59a8\u8bbe\u4e2d\u56fd\u961f\u4e2d\u6bcf\u4e00\u4f4d\u961f\u5458\u5fb7\u56fd\u961f\u5458\u7684\u80dc\u7387\u90fd\u4e3a60%\uff0c\u63a5\u7740\u53ea\u9700\u8981\u6bd4\u8f83\u4e24\u4e2a\u961f\u5bf9\u5e94\u7684\u6570\u5b66\u671f\u671b\u5373\u53ef\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6570\u5b66\u671f\u671b
在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
期望值计算：
例子
某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个。
则此城市中任一个家庭中孩子的数目是一个随机变量，记为X。它可取值0，1，2，3。
其中，X取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03。
则，它的数学期望
扩展资料：
期望值学术解释：
1.期望值是指人们对所实现的目标主观上的一种估计；
2.期望值是指人们对自己的行为和努力能否导致所企求之结果的主观估计,即根据个体经验判断实现其目标可能性的大小；
3.期望值是指对某种激励效能的预测；
4.期望值是指社会大众对处在某一社会地位、角色的个人或阶层所应当具有的道德水准和人生观、价值观的全部内涵的一种主观愿望。
期望的来源：
在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，一共进行五局，赢家可以获得100法郎的奖励。当比赛进行到第四局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，分配这100法郎：
用概率论的知识，不难得知，甲获胜的可能性大，乙获胜的可能性小。因为甲输掉后两局的可能性只有(1/2)×(1/2）=1/4，也就是说甲赢得后两局的概率为1－(1/4)=3/4，甲有75%的期望获得100法郎；而乙期望赢得100法郎就得在后两局均击败甲，乙连续赢得后两局的概率为(1/2)*(1/2)=1/4，即乙有25%的期望获得100法郎奖金。
可见，虽然不能再进行比赛，但依据上述可能性推断，甲乙双方最终胜利的客观期望分别为75%和25%，因此甲应分得奖金的100*75%=75(法郎)，乙应分得奖金的的100×25%=25(法郎)。这个故事里出现了“期望”这个词，数学期望由此而来。
参考资料来源：百度百科-数学期望
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能结果的概率乘以其结果的总和。换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。）
http://baike.baidu.com/link?url=YQ62bnAahu1WukdNrz0HJNPaImGXguqeIW_qSgwpZ3qNJheBakbAnzjTVuoCu1USy9SMRqwceBZMjnHkpqYzhK
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。
换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。）
例如，掷一枚六面骰子的期望值是3.5，计算如下：
1*1/6+2*1/6+3*1/6+4*1/6+5*1/6+6*1/6=3.5
3.5不属于可能结果中的任一个。
绛旓細1銆佸湪姒傜巼璁哄拰缁熻瀛涓锛屾湡鏈涘硷紙鎴栨暟瀛︽湡鏈涖佸潎鍊硷紝浜︾畝绉版湡鏈涳紝鐗╃悊瀛︿腑绉颁负鏈熷緟鍊硷級鏄寚鍦ㄤ竴涓鏁ｆч殢鏈哄彉閲忚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2銆鏈熸湜鍊兼槸闅忔満璇曢獙鍦ㄥ悓鏍风殑鏈轰細涓嬮噸澶嶅娆＄殑缁撴灉璁＄畻鍑虹殑绛夊悓鏈熸湜鐨勫钩鍧囧硷紱3銆佸湪缁熻瀛︿腑锛屽綋浼扮畻涓涓彉閲忕殑鏈熸湜鍊兼椂锛屽父鐢ㄧ殑鏂规硶鏄噸澶...
绛旓細鍏蜂綋鍥炵瓟濡傚浘锛氭湡鏈涘煎苟涓嶄竴瀹氱瓑鍚屼簬甯歌瘑涓鐨勨滄湡鏈涒濃斺斺滄湡鏈涘尖濅篃璁镐笌姣忎竴涓粨鏋滈兘涓嶇浉绛夈鏈熸湜鍊兼槸璇ュ彉閲忚緭鍑哄肩殑骞冲潎鏁般傛湡鏈涘煎苟涓嶄竴瀹氬寘鍚簬鍙橀噺鐨勮緭鍑哄奸泦鍚閲銆傚ぇ鏁板畾寰嬭瀹氾紝闅忕潃閲嶅娆℃暟鎺ヨ繎鏃犵┓澶э紝鏁板肩殑绠楁湳骞冲潎鍊煎嚑涔庤偗瀹氬湴鏀舵暃浜庢湡鏈涘笺傝嫢闅忔満鍙橀噺X鏈嶄粠涓涓鏁板鏈熸湜涓何笺佹柟宸负蟽^2...
绛旓細鍦ㄦ鐜囪鍜岀粺璁″涓锛孍(X) 琛ㄧず闅忔満鍙橀噺 X 鐨勬暟瀛︽湡鏈涳紙鎴栧潎鍊硷級銆鏁板鏈熸湜鏄涓涓殢鏈哄彉閲忓湪澶氭瀹為獙涓彇寰椾笉鍚屽彇鍊肩殑骞冲潎鍊硷紝鐢ㄦ潵琛￠噺闅忔満鍙橀噺鐨勫钩鍧囨按骞炽傛暟瀛︽湡鏈涚殑璁＄畻鍏紡鍙栧喅浜庨殢鏈哄彉閲 X 鐨勭被鍨嬶紝鍙互鍒嗕负绂绘暎鍨嬮殢鏈哄彉閲忓拰杩炵画鍨嬮殢鏈哄彉閲忥細绂绘暎鍨嬮殢鏈哄彉閲忥細 濡傛灉闅忔満鍙橀噺 X 鐨勫彲鑳藉彇鍊兼槸鏈夐檺鐨...
绛旓細瀹冨弽鏄犱簡闅忔満鍙橀噺鍙栧悇涓彲鑳藉肩殑姒傜巼鍔犳潈鍚庣殑骞冲潎鍙兘鎬уぇ灏忋傚浜庝竴涓殢鏈哄彉閲廥锛屽鏋滃叾鎵鏈夊彲鑳藉彇鍊肩殑姒傜巼鍒嗗竷宸茬煡锛岄偅涔堟暟瀛︽湡鏈涘氨鏄X鎵鏈夊彲鑳藉彇鍊间笌瀵瑰簲姒傜巼鐨勪箻绉繘琛屾眰鍜岀殑缁撴灉銆傛暟瀛︽湡鏈涜涓篍銆傚畠鏄鐜囪涓涓涓潪甯搁噸瑕佺殑姒傚康锛岀敤浜庢弿杩伴殢鏈哄彉閲忕殑骞冲潎琛屼负銆傛暟瀛︽湡鏈涚殑璁＄畻鏂规硶锛璁＄畻鏁板鏈熸湜鏃讹紝...
绛旓細鏈熸湜鍊绠鍗曟潵璇村氨鏄暟鍊间箻浠ユ鐜囩劧鍚庡姞鎬汇傝В锛欵x=2*0.2+4*0.3+4.8*0.5=3.06
绛旓細鈥渋鈥濊〃绀洪氶」鍏紡涓i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X鏈嶄粠姝ｆ佸垎甯僋~锛3000,1000锛夋墍浠ユ湁锛欵(X)=3000锛孌(X)=1000 鍙圗(X^2)=(E(X))^2+D(X)鍗矱(X^2)=3000^2+1000=9001000 鍦ㄦ鐜囪鍜岀粺璁″涓锛鏁板鏈熸湜(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
绛旓細涓句緥璇存槑锛氬亣璁炬湁涓涓鏁ｅ瀷闅忔満鍙橀噺X锛屽畠鏈変笁涓彲鑳界殑鍙栧硷細1銆2銆3锛屽搴旂殑姒傜巼鍒嗗埆涓0.2銆0.5銆0.3銆傞鍏璁＄畻鏁板鏈熸湜E(X)锛歕(E(X) = 1 \times 0.2 + 2 \times 0.5 + 3 \times 0.3 = 0.2 + 1 + 0.9 = 2.1\)銆傜劧鍚庤绠楁柟宸瓺(X)锛歕(D(X) = (1 - 2.1)^2 ...
绛旓細鍏紡涓昏涓猴細銆併傚叡涓や釜銆傚湪姒傜巼璁哄拰缁熻瀛涓锛鏁板鏈熸湜(mean)锛堟垨鍧囥傚硷紝浜︾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缁撴灉鐨勬诲拰锛屽畠鍙嶆槧闅忔満鍙橀噺骞冲潎鍙栧肩殑澶у皬銆傝杩炵画鎬ч殢鏈哄彉閲廥鐨勬鐜囧瘑搴﹀嚱鏁颁负f(x)锛岃嫢绉垎缁濆鏀舵暃锛屽垯绉扮Н鍒嗙殑鍊 涓洪殢鏈哄彉閲忕殑鏁板鏈熸湜锛岃涓篍(X)锛氱鏁ｅ瀷闅忔満鍙橀噺X鐨...
绛旓細鍥犳锛屾暟瀛︽湡鏈涘叕寮忔槸姒傜巼璁哄拰缁熻瀛涓闈炲父閲嶈鐨勪竴涓叕寮忋傛澶栵紝鍊煎緱娉ㄦ剰鐨勬槸锛屾暟瀛︽湡鏈涘苟涓嶆绘槸绛変簬瀹為檯瑙傛祴鐨勫钩鍧囧笺傝繖鏄洜涓鏁板鏈熸湜鏄鍩轰簬姒傜巼鐨勬湡鏈涘璁＄畻鍑烘潵鐨勭粨鏋滐紝瀹冩弿杩扮殑鏄殢鏈哄彉閲忕殑闀挎湡琛屼负鎴栫粨鏋滅殑骞冲潎鍊惧悜銆傚湪瀹為檯搴旂敤涓紝鐢变簬鏍锋湰鏁伴噺鏈夐檺鎴栧叾浠栧洜绱犲鑷村疄闄呰娴嬬粨鏋滃彲鑳戒笌鏁板鏈熸湜瀛樺湪鍋忓樊...
