高等数学 / 系统课时

数学期望

数学期望

数学期望用一个数概括随机变量长期重复取值的平均水平。本课将分别建立离散型与连续型随机变量的期望公式,并通过完整计算理解“取值按概率加权”的核心思想。

学习目标

  • 理解数学期望的含义及其成立条件
  • 掌握离散型随机变量期望的计算方法
  • 掌握连续型随机变量期望的积分形式

期望的本质

随机变量的数学期望不是一次试验必然出现的结果,而是大量重复试验后样本均值趋近的中心位置。它把每个可能取值与其出现概率结合起来,因此也常被称为概率加权平均。

离散型与连续型期望的加权思想

需要注意,期望值可以不属于随机变量的实际取值集合。例如公平骰子的期望为 3.53.5,但单次投掷不可能出现 3.53.5 点。

离散型随机变量的期望

设离散型随机变量 XX 的可能取值为 x1,x2,…x_1,x_2,\ldots,对应概率为 p1,p2,…p_1,p_2,\ldots。当级数绝对收敛时,数学期望定义为:

E(X)=∑ixipiE(X)=\sum_i x_i p_i

计算时先列出所有可能取值,再分别乘以对应概率,最后求和。若概率总和不为 11,说明分布律本身有误,不能继续计算。

例如,某游戏收益 XX 可能为 −2-2、11、55 元,对应概率分别为 0.50.5、0.30.3、0.20.2,则:

E(X)=(−2)×0.5+1×0.3+5×0.2=0.3E(X)=(-2)\times0.5+1\times0.3+5\times0.2=0.3

这表示长期重复参与时,每局平均收益趋近于 0.30.3 元,并不表示每局都会赚 0.30.3 元。

连续型随机变量的期望

设连续型随机变量 XX 的概率密度为 f(x)f(x)。当积分绝对收敛时,其数学期望为:

E(X)=∫−∞+∞xf(x) dxE(X)=\int_{-\infty}^{+\infty}x f(x)\,dx

离散型公式中的“概率求和”在连续情形下变成“密度积分”。单点概率通常为零,因此不能把 f(x)f(x) 直接当作某个点的概率。

若 XX 在区间 [0,2][0,2] 上服从均匀分布,则 f(x)=12f(x)=\frac{1}{2},区间外密度为零,因此:

E(X)=∫02x⋅12 dx=1E(X)=\int_0^2 x\cdot\frac{1}{2}\,dx=1

结果正好位于区间中点,这与均匀分布左右对称的直觉一致。

期望存在的条件

公式能够写出,不代表期望一定存在。离散型随机变量通常要求 ∑i∣xi∣pi<∞\sum_i |x_i|p_i<\infty,连续型随机变量通常要求 ∫−∞+∞∣x∣f(x) dx<∞\int_{-\infty}^{+\infty}|x|f(x)\,dx<\infty。

当正负两部分都发散时,不能通过形式上的“正无穷减负无穷”得到期望。判断存在性时,应优先检查绝对值对应的级数或积分是否收敛。

常见易错点

  • 把数学期望理解成一次试验最可能出现的值
  • 离散型计算时漏掉某个取值或使用了错误概率
  • 连续型计算时把密度值误当作点概率
  • 未检查级数或积分的收敛性就直接给出结果
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

数学期望

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通