什麼是期望值?
離散隨機變數的期望值(又稱平均數或期望)代表的是:若同一個實驗重複進行很多次,長期下來你所預期的平均結果。計算方式是把每一個可能的結果乘上它發生的機率,再將所有乘積相加。本計算器採用公式 \(E(X) = \sum_{i=1}^{n} x_i \cdot p_i\),可套用於任何一組結果及其對應的機率。
如何使用本計算器
請以逗號分隔的方式輸入各結果數值(例如 10, 20, 30),並依相同順序輸入對應的機率(例如 0.5, 0.3, 0.2)。系統會把相同位置的數值與機率配成一組。計算器會回傳期望值、使用的項數,以及機率的總和,方便你檢查這組分配是否有效(總和應為 1)。
公式說明
$$E(X) = \sum_{i=1}^{n} x_i \cdot p_i$$ 的意思是:將每個結果 \(x_i\) 乘上它的機率 \(p_i\),再把所有結果加總起來。數值大又出現機率高的結果,對期望值的貢獻最大。如果機率總和不等於 1,那麼算出來的嚴格說只是「加權總和」,而非真正的期望值——記得檢查「機率總和」這一列。
範例演算
假設有一個遊戲,分別會付出 $0、$5 或 $20,對應機率為 0.5、0.3、0.2。則 $$E(X) = (0\times0.5) + (5\times0.3) + (20\times0.2) = 0 + 1.5 + 4 = 5.5$$也就是說,每玩一次的期望報酬為 $5.50。
更多期望值範例
兩個範例都使用 \(E(X)=\sum_{i=1}^{n} x_i\,p_i\)。將每個結果乘以其機率,然後把這些乘積相加。
範例 1:一顆公正的六面骰子
結果為 1 到 6,每個結果的機率都是 \(p_i = \tfrac{1}{6}\)。
| 結果 \(x_i\) | 機率 \(p_i\) | 乘積 \(x_i\cdot p_i\) |
|---|---|---|
| 1 | 1/6 | 1/6 |
| 2 | 1/6 | 2/6 |
| 3 | 1/6 | 3/6 |
| 4 | 1/6 | 4/6 |
| 5 | 1/6 | 5/6 |
| 6 | 1/6 | 6/6 |
| 總和 | 6/6 = 1 | 21/6 = 3.5 |
檢查:機率相加為 \(6\cdot\tfrac{1}{6}=1\)。然後:
$$E(X)=\frac{1+2+3+4+5+6}{6}=\frac{21}{6}=3.5$$
範例 2:一個有負報酬的賭注
你有 0.02 的機率贏得 $100,有 0.98 的機率輸掉 $5。將損失以負數結果輸入,即 \(-5\)。
| 結果 \(x_i\) | 機率 \(p_i\) | 乘積 \(x_i\cdot p_i\) |
|---|---|---|
| +$100 | 0.02 | 100 × 0.02 = 2.00 |
| −$5 | 0.98 | −5 × 0.98 = −4.90 |
| 總和 | 0.02 + 0.98 = 1 | 2.00 − 4.90 = −2.90 |
檢查:\(0.02+0.98=1\),因此這是一個完整的機率分布。然後:
$$E(X)=100(0.02)+(-5)(0.98)=2-4.90=-2.90$$
此期望值為每玩一次 -2.90 美元。平均而言,每玩一次這個賭注就會輸掉 2.90 美元。
關鍵術語與符號
- 隨機變數
- 其數值為隨機過程之數值結果的變數,例如骰子所顯示的數字。
- 離散隨機變數
- 取有限個或可數個分隔數值的隨機變數,例如 1、2、3、…
- 結果 (\(x_i\))
- 隨機變數的一個可能數值。結果可以是負數,例如損失。
- 機率 (\(p_i\))
- 結果 \(x_i\) 發生的可能性。每個機率必須滿足 \(0\le p_i\le 1\)。
- 機率分布
- 所有結果及其機率的完整列表。機率必須滿足 \(\sum p_i = 1\)。
- 期望值 / 平均數 / 期望 (\(E(X)\) 或 \(\mu\))
- 所有結果以機率加權後的平均值,\(E(X)=\sum x_i p_i\)。
- 加權和
- 將每個數值乘以權重後再相加的總和。這裡的權重即為機率。
- 公平遊戲
- 預期淨收益為零的遊戲,因此 \(E(X)=0\)。
常見問題
機率一定要加總為 1 嗎? 若要構成有效的機率分配,答案是肯定的。即使總和不為 1,計算器仍會算出加權總和,並顯示總和讓你調整。
結果可以是負數嗎? 可以——虧損或負報酬就以負數輸入,這在賭博與金融的例子中相當常見。
如果我輸入的數值與機率數量不一致呢? 計算器會依位置一一配對,並以較短那一組的項數為準進行計算。