数学期望e

⑴ 什么叫数学期望

数学期望是概率论早期发展中就已产生的一个概念。当时研究的概率问题大多与赌博有关。假如某人在一局赌博中面临如下的情况：在总共m＋n种等可能出现的结果中,有m种结果可赢得α,其余n种结果可赢得b), 则就是他在该局赌博中所能期望的收入。数学期望的这种初始形式早在1657年即由荷兰数学家C.惠更斯明确提出。它是简单算术平均的一种推广。 设x为离散型随机变量，它取值x0，x1,…的概率分别为p1,p2,…,则当级数时，定义它的期望为。这里之所以要求级数绝对收敛，是因为作为期望的这种平均，不应当依赖于求和的次序。若x 为连续型随机变量，其密度函数为p（x），则当积分时,定义它的期望为。在一般场合，设x是概率空间(Ω,F,p)上的随机变量，其分布函数为F(x),则当时,定义x的期望为 式中是斯蒂尔杰斯积分;或是随机变量x 在Ω上对概率测度p的积分。然而,并非所有的随机变量都具有期望。 随机变量的期望,有下列性质:E(x＋Y)=Ex＋EY；若把常数α看作随机变量,则Eα=α；若x≥0,则Ex≥0;若x与Y独立,则E(XY)＝Ex·EY;若随机变量x1,x2,…,xn有联合分布函数F(x1,x2,…,xn),则对一类n元函数

⑵ 数学期望 :(

1)
数学期望E=∑(x*f(x))，其中f(x)是概率函数
E=0*f(0)+1*f(1)+2*f(2)=f(1)+2*f(2)
--------------------------------
f(1)=(0.01+0.05)*5=0.3
合格的人有12个人。
f(2)=(12/40)*(11/39)=11/130
注：这里的第二个括号里是11/39，因为12/40的时候挑出来一个了
---------------------
E=f(1)+2*f(2)=0.3+2*11/130=61/130≈0.47
====================
2）
当人数很多时
f(2)=0.3^2=0.09
注：第一问里的“注”里提及的事情，在人数很多的时候就不考虑了
E=f(1)+2*f(2)=0.3+2*0.09=0.48

⑶ 数学期望的公式是什么

E(X) = X1*p(X1） + X2*p(X2） + …… + Xn*p(Xn) = X1*f1(X1） + X2*f2(X2） + …… + Xn*fn(Xn)

X ；1,X ；2,X ；3，……，X。

n为这离散型随机变量，p(X1）,p(X2）,p(X3），……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1）,p(X2）,p(X3），……p(Xn)概率函数就理解为数据X1,X2,X3，……，Xn出现的频率f(Xn).

(3)数学期望e扩展阅读

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。

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。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。

大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。

离散型随机变量与连续型随机变量都是由随机变量取值范围(取值)确定。

⑷ “数学期望”指的是什么

数学期望是一种重要的数字特征，它反映随机变量平均取值的大小，是试验中每次可能结果的概率乘以其结果的总和。这里的“期望”一词来源于赌博，大概意思是当下注时，期望赢得多少钱。

以大数据眼光看问题体现了数学期望中的大量试验出规律，不能光看眼前或特例，对一种现象不能过早下结论，要多听、多看从而获得拿个隐藏在背后的规律；

以大概率眼看光问题对应数学期望中的概率加权，大概率对应的取值对最后之结果影响大，所以当有了一个目标，为了实现它，就要找一条实现起来概率最大的路径。

(4)数学期望e扩展阅读

应用：

1）随机炒股

随机炒股也就是闭着眼睛在股市中挑一只股票，并且假设止损和止盈线都为10%，因为是随机选股，那么胜率=败率，由于印花税、佣金和手续费的存在，胜率=败率<50%，最后的数学期望一定为负，可见随机炒股，长期的后果，必输无疑。

2）趋势炒股

趋势炒股是建立在惯性理论上的，胜率跟经验有很大关系，基本上平均胜率可以假定为60%，则败率为40%，一般趋势投资者本着赚点就跑，亏了套死不卖的原则，如涨10%止盈，跌50%止损，数学期望为EP=60%*10%-40%*50%=-0.14，必输无疑。

只有止损线<15%时，趋势投资才有可能赢。但是止损线过低，就会形成频繁交易，一方面交易成本增加，另一方面交易者的判断力下降，也就是胜率必然下降，那么最终的下场好不到哪去。

3）价值投资

由于价值低估买，所以胜率比较高，且价值投资都预留安全边际，也就是向上的空间巨大，而下跌空间有限，所以数学期望值一定为正。

⑸ 什么是数学期望如何计算

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：内

1、离散型：

离散型随机变量X的取值容为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：

⑹ 什么叫数学期望

数学期望就是对事物数字上的主观期待，
比如一个人想成为富翁，有人问，你希望有多少钱啊？那么那个想成为富翁的人就说出一个数字，这个数字可能非常庞大，是一个天文数字，那么这个数字就是这个人主观意识下的数字期望。

⑺ “数学期望”是什么意思

数学期望（mean）是最基本的数学特征之一，运用于概率论和统计学中，它是每个可能结果的概率乘以其结果的总和。它反映了随机变量的平均值。

需要注意的是，期望并不一定等同于常识中的“期望”——“期望”未必等于每一个结果。期望值是变量输出值的平均值。期望不一定包含在变量的输出值集合中。

大数定律规定，当重复次数接近无穷大时，数值的算术平均值几乎肯定会收敛到期望值。

(7)数学期望e扩展阅读：

应用：

1、经济决策

假设超市销售某一商品，周需求x的取值范围为10-30，商品的采购量取值范围为10-30。超市每售出一件商品可获利500元。如果供过于求，就会降价，每加工一件商品就要亏损10元。0元；如果供过于求，可以从其他超市转手。此时，超市商品可获利300元。超市在计算进货量时，能得到最大的利润吗？得到最大利润的期望值。

分析：由于商品的需求（销售量）x是一个随机变量，它在区间[10,30]上均匀分布，而商品的销售利润值y也是一个随机变量。它是x的函数，称为随机变量函数。问题涉及的最佳利润只能是利润的数学期望（即平均利润的最大值）。因此，求解该问题的过程是确定y与x之间的函数关系，然后求出y的期望e（y），最后用极值法求出e（y）的最大点和最大值。

2、竞争问题

乒乓球是我们的国球，上个世纪的军事球也给中国带来了一些外交。中国在这项运动中具有绝对优势。本文提出了一个关于乒乓球比赛安排的问题：假设德国（德国选手波尔在中国也有很多球迷）和中国打乒乓球。有两种竞赛制度，一种是每方三名优胜者，另一种是每方五名优胜者，另一种是每方五名优胜者。哪一个对中国队更有利？

⑻ 数学期望的意义是什么

数学期望
mathematical expectation
随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有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，它可取值0，1，2，3，其中取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，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个。
数学期望的定义
定义1：
按照定义,离散随机变量的一切可能值工与对应的概率P(若二龙)的乘积之和称为数学期望,记为咐.如果随机变量只取得有限个值:x,、瓜、兀
源自: 挡土墙优化设计与风险决策研究——兼述黄... 《南水北调与水利科技》 2004年 劳道邦,李荣义
来源文章摘要：挡土墙作为一般土建工程的拦土建筑物常用在闸坝翼墙和渡槽、倒虹吸的进出口过渡段,它的优化设计问题常被忽视。实际上各类挡土墙间的技术和经济效益差别是相当大的。而一些工程的现实条件又使一些常用挡土墙呈现出诸多方面局限性。黄壁庄水库除险加固工程的混凝土生产系统的挡土墙建设在优化设计方面向前迈进了一步,在技术和经济效益方面取得明显效果,其经验可供同类工程建设参考。
定义2：
1 决定可靠性的因素常规的安全系数是根据经验而选取的,即取材料的强度极限均值(概率理论中称为数学期望)与工作应力均值(数学期望)之比

⑼ 数学期望值是什么

在概率和统计学中，一个随机变量的期望值（或期待值）是变量的输出值乘以其机率的总和，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，美国赌场中经常用的轮盘上有38个数字，每一个数字被选中的几率都是相等的。赌注一般压在其中某一个数字上，如果轮盘的输出值和这个数字相等，那么下赌者可以将相当于赌注35倍的奖金和原赌注拿回（总共是原赌注的36倍），若输出值和下压数字不同，则赌注就输掉了。因此，如果赌注是1美元的话，这场赌博的期望值是：( -1 × 37/38 ) + ( 35 × 1/38 ), 结果是 -0.0526。也就是说，平均起来每赌一次就会输掉5美分。

数学定义
如果X是在机率空间(Ω, P)中的一个随机变量，那么它的期望值 E(X) 的定义是：
E(X)=∫ΩXdp

并不是每一个随机变量都有期望值的，因为有的时候这个积分不存在。如果两个随机变量的分布相同，则它们的期望值也相同。

如果 X 是一个离散的随机变量，输出值为 x1, x2, ...， 和输出值相应的机率为p1, p2, ... （机率和为1）, 那么期望值 E(X) 是一个无限数列的和。

上面赌博的例子就是用这种方法求出期望值的。

如果X的机率分布存在一个相应的机率密度函数 f(x)，那幺 X 的期望值可以计算为：

这种算法是针对于连续的随机变量的，与离散随机变量的期望值的算法同出一辙，由于输出值是连续的，所以把求和改成了积分。

特性
期望值 E 是一个线形函数

X 和 Y 为在同一机率空间的两个随机变量，a 和 b 为任意实数。
一般的说，一个随机变量的函数的期望值并不等于这个随机变量的期望值的函数。

在一般情况下，两个随机变量的积的期望值不等于这两个随机变量的期望值的积。特殊情况是当这两个随机变量是相互独立的时候（也就是说一个随机变量的输出不会影响另一个随机变量的输出）。

期望值的运用
在统计学中，当估算一个变量的期望值时，一个经常用到的方法是重复测量此变量的值，然后用所得数据的平均值来作为此变量的期望值的估计。

在概率分布中，期望值和方差或标准差是一种分布的重要特征。

在经典力学中，物体重心的算法与期望值的算法十分近似