【数学期望的六个公式】数学期望是概率论与数理统计中的一个重要概念，用于描述随机变量在长期试验中平均取值的大小。它在实际应用中具有广泛的意义，如金融、工程、经济学等领域都有重要应用。以下是数学期望的六个常见公式，结合其应用场景进行总结。

一、数学期望的基本定义

对于一个离散型随机变量 $ X $，其可能取值为 $ x_1, x_2, \ldots, x_n $，对应的概率为 $ p_1, p_2, \ldots, p_n $，则数学期望为：

$$

E(X) = \sum_{i=1}^{n} x_i p_i

$$

二、连续型随机变量的数学期望

若 $ X $ 是一个连续型随机变量，其概率密度函数为 $ f(x) $，则数学期望为：

$$

E(X) = \int_{-\infty}^{\infty} x f(x) dx

$$

三、线性性质：期望的线性性

设 $ a $ 和 $ b $ 为常数，$ X $ 和 $ Y $ 为两个随机变量，则有：

$$

E(aX + bY) = aE(X) + bE(Y)

$$

四、条件期望

设 $ X $ 和 $ Y $ 为两个随机变量，给定 $ Y = y $ 时，$ X $ 的条件期望为：

$$

E(X Y = y) = \sum_{x} x P(X = x Y = y)

$$

（对于离散情况）

或

$$

E(X Y = y) = \int_{-\infty}^{\infty} x f_{XY}(xy) dx

$$

（对于连续情况）

五、期望的线性性扩展

若 $ X_1, X_2, \ldots, X_n $ 是独立同分布的随机变量，则：

$$

E\left( \sum_{i=1}^{n} X_i \right) = \sum_{i=1}^{n} E(X_i)

$$

六、期望的非线性变换

若 $ g(X) $ 是 $ X $ 的函数，则其期望为：

$$

E(g(X)) = \sum_{i=1}^{n} g(x_i) p_i \quad \text{（离散）}

$$

$$

E(g(X)) = \int_{-\infty}^{\infty} g(x) f(x) dx \quad \text{（连续）}

$$

总结表格

通过以上六个公式的整理，可以更清晰地理解数学期望在不同情境下的应用方式。掌握这些公式不仅有助于理论分析，也对实际问题的建模和求解具有重要意义。