【數(shù)學(xué)期望的運(yùn)算公式是什么】數(shù)學(xué)期望是概率論與數(shù)理統(tǒng)計(jì)中的一個(gè)重要概念，用于描述隨機(jī)變量在大量重復(fù)試驗(yàn)中取值的平均趨勢(shì)。它在實(shí)際應(yīng)用中具有廣泛的用途，如金融、保險(xiǎn)、工程等領(lǐng)域。下面我們將從基本定義出發(fā)，總結(jié)數(shù)學(xué)期望的常見(jiàn)運(yùn)算公式，并以表格形式進(jìn)行歸納。
一、數(shù)學(xué)期望的基本概念
數(shù)學(xué)期望（Expected Value），通常用 $ E(X) $ 表示，是指一個(gè)隨機(jī)變量 $ X $ 在所有可能取值上按照其概率加權(quán)后的平均值。它是對(duì)隨機(jī)變量“長(zhǎng)期平均”結(jié)果的一種理論估計(jì)。
二、數(shù)學(xué)期望的運(yùn)算公式
1. 離散型隨機(jī)變量的數(shù)學(xué)期望
若隨機(jī)變量 $ X $ 的可能取值為 $ x_1, x_2, \ldots, x_n $，對(duì)應(yīng)的概率分別為 $ p_1, p_2, \ldots, p_n $，則其數(shù)學(xué)期望為：
$$
E(X) = \sum_{i=1}^{n} x_i p_i
$$
2. 連續(xù)型隨機(jī)變量的數(shù)學(xué)期望
若隨機(jī)變量 $ X $ 的概率密度函數(shù)為 $ f(x) $，則其數(shù)學(xué)期望為：
$$
E(X) = \int_{-\infty}^{\infty} x f(x) \, dx
$$
3. 數(shù)學(xué)期望的線性性質(zhì)
數(shù)學(xué)期望滿足線性性質(zhì)，即對(duì)于任意常數(shù) $ a $、$ b $ 和兩個(gè)隨機(jī)變量 $ X $、$ Y $，有：
$$
E(aX + bY) = aE(X) + bE(Y)
$$
4. 數(shù)學(xué)期望的可加性
對(duì)于任意兩個(gè)隨機(jī)變量 $ X $ 和 $ Y $，有：
$$
E(X + Y) = E(X) + E(Y)
$$
5. 數(shù)學(xué)期望的乘積性質(zhì)（獨(dú)立情況下）
若 $ X $ 和 $ Y $ 是相互獨(dú)立的隨機(jī)變量，則：
$$
E(XY) = E(X) \cdot E(Y)
$$
但若不獨(dú)立，則不能直接使用該公式。
三、常見(jiàn)分布的數(shù)學(xué)期望
以下是一些常見(jiàn)概率分布的數(shù)學(xué)期望公式：
| 分布名稱 | 概率質(zhì)量/密度函數(shù) | 數(shù)學(xué)期望 $ E(X) $ |
| 兩點(diǎn)分布 | $ P(X = 1) = p, P(X = 0) = 1-p $ | $ p $ |
| 二項(xiàng)分布 | $ P(X = k) = C_n^k p^k (1-p)^{n-k} $ | $ np $ |
| 泊松分布 | $ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | $ \lambda $ |
| 均勻分布 | $ f(x) = \frac{1}{b-a}, a \leq x \leq b $ | $ \frac{a + b}{2} $ |
| 正態(tài)分布 | $ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ |
| 指數(shù)分布 | $ f(x) = \lambda e^{-\lambda x}, x \geq 0 $ | $ \frac{1}{\lambda} $ |
四、小結(jié)
數(shù)學(xué)期望是衡量隨機(jī)變量中心位置的重要指標(biāo)，其計(jì)算方式取決于變量的類型（離散或連續(xù)）以及具體分布形式。掌握數(shù)學(xué)期望的運(yùn)算公式，有助于我們?cè)趯?shí)際問(wèn)題中進(jìn)行風(fēng)險(xiǎn)評(píng)估、決策分析等。
通過(guò)上述表格和公式總結(jié)，可以清晰地理解數(shù)學(xué)期望的計(jì)算方法及其在不同情況下的應(yīng)用。