【期望怎么求】在概率論與統計學中，“期望”是一個非常重要的概念，它表示一個隨機變量在長期試驗中平均取值的大小。無論是數學、金融、工程還是數據分析，理解如何計算期望都具有重要意義。本文將對“期望怎么求”進行簡要總結，并通過表格形式清晰展示不同情況下的計算方法。
一、期望的基本概念
期望（Expected Value），通常用 $ E(X) $ 表示，是對隨機變量 $ X $ 在所有可能結果中加權平均的度量，權重為各個結果出現的概率。
二、期望的計算方法總結
| 情況 | 隨機變量類型 | 公式 | 說明 | |||
| 離散型隨機變量 | $ X $ 取有限個值 | $ E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i) $ | $ x_i $ 是第 $ i $ 個可能的取值，$ P(x_i) $ 是其對應的概率 | |||
| 連續型隨機變量 | $ X $ 在區間內連續取值 | $ E(X) = \int_{-\infty}^{\infty} x \cdot f(x) dx $ | $ f(x) $ 是概率密度函數 | |||
| 線性組合 | $ Y = aX + b $ | $ E(Y) = aE(X) + b $ | 線性變換下期望保持線性性質 | |||
| 多維隨機變量 | $ (X, Y) $ | $ E(X) = \sum_{x} \sum_{y} x \cdot P(X=x, Y=y) $ | 多維情況下，需考慮聯合分布 | |||
| 條件期望 | $ E(X | Y=y) $ | $ E(X | Y=y) = \sum_{x} x \cdot P(X=x | Y=y) $ | 給定某個條件下，求另一變量的期望 |
三、實例說明
1. 離散型期望計算
假設一個骰子的點數為 $ X $，每個點數出現的概率相同（即 $ \frac{1}{6} $）：
$$
E(X) = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} + 6 \cdot \frac{1}{6} = 3.5
$$
2. 連續型期望計算
若 $ X $ 是在區間 [0, 1] 上均勻分布的隨機變量，則其概率密度函數為 $ f(x) = 1 $，則：
$$
E(X) = \int_0^1 x \cdot 1 \, dx = \left[ \frac{x^2}{2} \right]_0^1 = \frac{1}{2}
$$
四、注意事項
- 期望不等于最可能的值，而是所有可能值的加權平均。
- 期望可以是任何實數，包括非整數或負數。
- 在實際應用中，期望常用于風險評估、投資回報預測等場景。
五、總結
期望是衡量隨機變量平均水平的重要指標，其計算方式根據變量類型（離散/連續）和條件（是否為多維或條件期望）有所不同。掌握期望的計算方法有助于更好地理解數據的分布特征，為決策提供依據。
如需進一步了解方差、協方差等與期望相關的概念，可繼續深入學習概率統計的基礎知識。
