数学期望常用公式

2026-04-21 15:35:25 来源：用户：步颖慧

【数学期望常用公式】数学期望是概率论与数理统计中的一个重要概念，用于描述随机变量在长期试验中取值的平均趋势。它在实际问题中有着广泛的应用，如金融、工程、统计分析等领域。掌握常见的数学期望公式对于理解和解决相关问题具有重要意义。

以下是常见的数学期望公式总结：

一、离散型随机变量的数学期望

设随机变量 $ X $ 的可能取值为 $ x_1, x_2, \dots, x_n $，对应的概率分别为 $ p_1, p_2, \dots, p_n $，则其数学期望为：

E(X) = \sum_{i=1}^{n} x_i p_i

随机变量	公式	说明
离散型随机变量	$ E(X) = \sum_{i=1}^{n} x_i p_i $	求和所有可能取值乘以对应概率

二、连续型随机变量的数学期望

设连续型随机变量 $ X $ 的概率密度函数为 $ f(x) $，则其数学期望为：

E(X) = \int_{-\infty}^{\infty} x f(x) \, dx

随机变量	公式	说明
连续型随机变量	$ E(X) = \int_{-\infty}^{\infty} x f(x) \, dx $	积分所有可能取值乘以概率密度

三、常见分布的数学期望

以下是一些常见分布的数学期望公式：

分布名称	概率质量函数（或密度函数）	数学期望 $ E(X) $
两点分布（0-1分布）	$ P(X=1) = p, P(X=0) = 1-p $	$ p $
二项分布 $ 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 $
均匀分布 $ U(a, b) $	$ f(x) = \frac{1}{b-a}, a \leq x \leq b $	$ \frac{a + b}{2} $
正态分布 $ N(\mu, \sigma^2) $	$ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x - \mu)^2}{2\sigma^2}} $	$ \mu $
指数分布 $ Exp(\lambda) $	$ f(x) = \lambda e^{-\lambda x}, x > 0 $	$ \frac{1}{\lambda} $

四、期望的线性性质

数学期望满足线性性质，即对于任意常数 $ a $ 和 $ b $，以及随机变量 $ X $ 和 $ Y $，有：

E(aX + bY) = aE(X) + bE(Y)

该性质在处理多个随机变量的组合时非常有用，尤其在期望的计算和推导中。

五、条件期望

若已知事件 $ A $ 发生，随机变量 $ X $ 的条件期望为：

E(X \mid A) = \sum_{i=1}^{n} x_i P(X=x_i \mid A)

对于连续型随机变量，则为积分形式。

总结

数学期望是研究随机现象平均结果的重要工具，通过掌握其基本定义和常见分布的期望公式，可以更高效地进行概率分析和统计建模。在实际应用中，合理利用期望公式能够帮助我们更好地理解数据特征和决策风险。

以上内容为原创整理，适用于教学、学习及实践参考。

标签：数学期望常用公式

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。如有侵权请联系删除！