【数学期望公式】在概率论与统计学中，数学期望是一个非常重要的概念，它表示一个随机变量在大量重复试验中所表现出的平均值。数学期望可以用于评估风险、预测收益，是决策分析和金融建模中的关键工具。
一、数学期望的基本定义
数学期望（Expected Value），通常用 $ E(X) $ 表示，是对随机变量 $ X $ 在所有可能取值上的加权平均，权重为对应的概率。
对于离散型随机变量，其数学期望公式为：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
其中：
- $ x_i $ 是随机变量的第 $ i $ 个可能取值；
- $ P(x_i) $ 是该取值发生的概率；
- $ n $ 是所有可能取值的总数。
对于连续型随机变量，数学期望公式为：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
其中：
- $ f(x) $ 是随机变量 $ X $ 的概率密度函数。
二、数学期望的性质
| 性质 | 内容 |
| 线性性 | $ E(aX + bY) = aE(X) + bE(Y) $，其中 $ a, b $ 为常数 |
| 常数期望 | $ E(c) = c $，其中 $ c $ 为常数 |
| 非负性 | 若 $ X \geq 0 $，则 $ E(X) \geq 0 $ |
| 可加性 | $ E(X + Y) = E(X) + E(Y) $ |
| 独立性 | 若 $ X $ 与 $ Y $ 独立，则 $ E(XY) = E(X) \cdot E(Y) $ |
三、常见分布的数学期望
| 分布类型 | 数学期望公式 |
| 伯努利分布 | $ E(X) = p $ |
| 二项分布 | $ E(X) = np $ |
| 泊松分布 | $ E(X) = \lambda $ |
| 均匀分布（连续） | $ E(X) = \frac{a + b}{2} $ |
| 正态分布 | $ E(X) = \mu $ |
| 指数分布 | $ E(X) = \frac{1}{\lambda} $ |
四、应用举例
假设某次考试中，考生得分 $ X $ 的分布如下表所示：
| 得分 $ x_i $ | 概率 $ P(x_i) $ |
| 60 | 0.1 |
| 70 | 0.3 |
| 80 | 0.4 |
| 90 | 0.2 |
计算其数学期望：
$$
E(X) = 60 \times 0.1 + 70 \times 0.3 + 80 \times 0.4 + 90 \times 0.2 = 77
$$
因此，该考试的平均得分为 77 分。
五、总结
数学期望是描述随机变量长期趋势的重要指标，广泛应用于经济、工程、金融等领域。通过理解数学期望的公式及其性质，我们可以更好地进行风险评估与决策分析。掌握不同分布下的期望公式，有助于我们在实际问题中快速估算平均结果，提高预测准确性。