“数学期望”是什么意思？

1. “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。

扩展资料：
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？
参考资料来源：百度百科-数学期望

2. 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�0�6(x1,x2,…,xn)（称为可积的n元波莱尔可测函数，它包括所有可积的初等函数和连续函数），有
若Z＝x＋iY为复随机变量,则定义其数学期望为EZ=Ex＋iEY。
上述数学期望的概念也可推广至随机向量的情形。一个随机向量的数学期望(EX定义为以其各分量xj的数学期望为分量的向量，即，也称为X的均值向量。它也具有一般期望所具有的类似性质。

3. 什么是数学期望？

①离散型随机变量的一切可能的取值xi与对应的概率Pi(=xi)之积的和称为该离散型随机变量的数学期望（设级数绝对收敛），记为E（x）。随机变量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。又称期望或均值。如果随机变量只取得有限个值，称之为离散型随机变量的数学期望。它是简单算术平均的一种推广，类似加权平均。
②连续型随机变量X的概率密度函数为f(x),若积分∫xf（x）dx（上下限分别是正负无穷）绝对收敛，则称此积分值为随机变量X的数学期望，记为：E（x）=∫xf（x）dx（上下限分别为正负无穷）

4. 什么是数学期望

数学期望：
随机变数X的平均值，记为E（x），它是随机变数集中趋势的一种量度。
设X是离散型随机变量，则
E（x）=∑xp(x)
其中x是X的变化值，p（x）为相应的概率。此时的均值就是以概率为权的平均值。
如果X是一个无限值，那么极限可以用级数来表示。设X是连续型随机变数，则
E（x）=∫xp(x)dx
其中p（x）是X的概率密度。

5. 数学期望是什么

离散型
　　离散型随机变量的一切可能的取值xi与对应的概率Pi(=xi)之积的和称为该离散型随机变量的数学期望（设级数绝对收敛），记为E（x）。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。如果随机变量只取得有限个值，称之为离散型随机变量的数学期望。它是简单算术平均的一种推广，类似加权平均。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，记为X，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，用数学式子表示为：E(X)=1.11。
连续型
　　若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数（分布密度函数）。 　　能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。 　　离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定， 　　变量取值只能取离散型的自然数，就是离散型随机变量， 　　比如，一次掷20个硬币，k个硬币正面朝上， 　　k是随机变量， 　　k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20， 　　因而k是离散型随机变量。 　　如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量， 
随机变量的数学期望值
　　在概率论  数学期望
和统计学中，一个离散性随机变量的期望值（或数学期望、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。换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。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。（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。）
单独数据的数学期望值
　　对于数学期望的定义是这样的。数学期望 　　E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) 　　X1,X2,X3,……,Xn为这几个数据，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(Xi).则： 　　E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn) = X1*f1(X1) + X2*f2(X2) + …… + Xn*fn(Xn) 　　很  北京大学数学教学系列丛书
容易证明E(X)对于这几个数据来说就是他们的算术平均值。 　　我们举个例子，比如说有这么几个数： 　　1，1，2，5，2，6，5，8，9，4，8，1 　　1出现的次数为3次，占所有数据出现次数的3/12,这个3/12就是1所对应的频率。同理，可以计算出f(2) = 2/12,f(5) = 2/12 , f(6) = 1/12 , f(8) = 2/12 , f(9) = 1/12 , f(4) = 1/12 根据数学期望的定义： 　　E(X) = 1*f(1) + 2*f(2) + 5*f(5) + 6*f(6) + 8*f(8) + 9*f(9) + 4*f(4) = 13/3 　　所以 E(X) = 13/3, 　　现在算这些数的算术平均值： 　　Xa = (1+1+2+5+2+6+5+8+9+4+8+1)/12 = 13/3 　　所以E(X) = Xa = 13/3

6. 数学期望是什么 什么是数学期望

1、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。 
 
 2、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。 
 
 3、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. 什么叫数学期望？

又称期望或均值,是随机变量按概率的加权平均,表征其概率分布的中心位置。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�0�6(x1,x2,…,xn)（称为可积的n元波莱尔可测函数，它包括所有可积的初等函数和连续函数），有 　　若Z＝x＋iY为复随机变量,则定义其数学期望为EZ=Ex＋iEY。 
　　上述数学期望的概念也可推广至随机向量的情形。一个随机向量的数学期望(EX定义为以其各分量xj的数学期望为分量的向量，即，也称为X的均值向量。它也具有一般期望所具有的类似性质。

8. 什么是数学期望？

首先你需要知道数学期望的定义为EX=∫xf(x)dx在0到正无穷上面的定积分，其中f（x）表示的是概率密度函数（这是对连续的）。
之后你要知道一个公式就是方差公式D(X)=E{[X-E(X)]^2}=E(X^2) - [ E(X)]^2
根据1中的公式计算E(X^2)、[ E(X)]^2就可以求出来了。
4.如果要是在统计学中呢，方差为S^2= ∑(X- ) ^2 / (n-1)