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:
1、离散型:
离散型随机变量X的取值为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:
2、连续型:
设连续性随机变量X的概率密度函数为f(x),若积分绝对收敛,则称积分的值
为随机变量的数学期望,记为E(X)。即
例题:
在10件产品中,有3件一等品,4件二等品,3件三等品。从这10件产品中任取3件, 求:
(1)取出的3件产品中一等品件数x的分布列和数学期望;
(2)取出的3件产品中一等品件数多于二等品件数的概率。
解:
x的数学期望E(x)=0*7/24+1*21/40+2*7/40+3*1/120=9/10
参考资料来源:百度百科-数学期望
百度百科里就有
http://baike.baidu.com/view/295737.htm?fr=ala0_1_1
大概意思就是平均数
在概率论和统计,数学期望(或预期值,或平均,或一个随机变量的第一时刻)是随机变量就其概率测度的积分。
对于离散随机变量,这是等同于可能的值的概率加权总和。
数学期望 :
E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn)
X1,X2,X3,……,Xn为数据,p(X1),p(X2),p(X3),……p(Xn)为这几个数据的概率函数.
对于连续随机变量, 这是等同于概率密度函数的加权积分.
数学期望 :
E(X) = 积分 x p(x)dx
术语“期望值”可能会引起误解。我们绝不能混淆“最可能的价值。”预期值一般不是一个典型值随机变量可以承担。它通常有助于解释为长期运行的变量的平均值超过许多独立的重复实验的一个随机变量的期望值。
预期值可直观地理解了大量数据法则:预期值,当它存在,几乎是肯定的样本限额平均为样本大小增长到无穷大。该值可能不是一般意义上的预期 - “预期价值”本身可能有2.5个儿童,
预期值可以通过采取兴建的一个指标功能,是一个预期的预期值等于一事件的概率,如果事件发生,否则为0。这种关系可以用来转化成概率性质的预期值的属性,如利用大量数据定律证明的频率估计概率。