什么是期望值?
离散随机变量的期望值(又称均值或数学期望)表示在大量重复同一实验后,平均每次能得到的结果。它的算法是:把每个可能的结果乘以它出现的概率,再把所有乘积相加。本计算器对任意一组结果及其对应概率,套用公式 \(E(X) = \sum_{i=1}^{n} x_i \cdot p_i\) 进行求解。
如何使用本计算器
请用英文逗号分隔输入各个结果数值(例如 10, 20, 30),并按相同顺序输入对应的概率(例如 0.5, 0.3, 0.2)。系统会把位置相同的数值与概率两两配对。计算完成后会给出期望值、参与计算的项数,以及概率之和——你可以借此检验该分布是否有效(概率之和应等于 1)。
公式详解
$$E(X) = \sum_{i=1}^{n} x_i \cdot p_i$$ 的含义是:取每个结果 \(x_i\),乘以它对应的概率 \(p_i\),再对所有结果求和。既大又容易出现的结果对期望值的贡献最大。如果所有概率加起来不等于 1,那么算出的严格来说只是一个加权和,而非真正的期望值——这时请留意"概率之和"那一行。
实例演示
假设某游戏的奖金可能是 0 元、5 元或 20 元,对应概率分别为 0.5、0.3 和 0.2。则 $$E(X) = (0\times0.5) + (5\times0.3) + (20\times0.2) = 0 + 1.5 + 4 = 5.5$$。也就是说,每玩一次的期望收益为 5.50 元。
更多期望值示例
两个示例都使用 \(E(X)=\sum_{i=1}^{n} x_i\,p_i\)。将每个结果乘以其概率,然后把这些乘积相加。
示例 1:一个均匀的六面骰子
结果为 1 到 6,每个结果的概率为 \(p_i = \tfrac{1}{6}\)。
| 结果 \(x_i\) | 概率 \(p_i\) | 乘积 \(x_i\cdot p_i\) |
|---|---|---|
| 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 |
| 合计 | 6/6 = 1 | 21/6 = 3.5 |
检验:概率之和为 \(6\cdot\tfrac{1}{6}=1\)。于是:
$$E(X)=\frac{1+2+3+4+5+6}{6}=\frac{21}{6}=3.5$$
示例 2:负收益的赌注
你有 0.02 的概率赢得 $100,有 0.98 的概率输掉 $5。请将亏损记为负结果 \(-5\)。
| 结果 \(x_i\) | 概率 \(p_i\) | 乘积 \(x_i\cdot p_i\) |
|---|---|---|
| +$100 | 0.02 | 100 × 0.02 = 2.00 |
| −$5 | 0.98 | −5 × 0.98 = −4.90 |
| 合计 | 0.02 + 0.98 = 1 | 2.00 − 4.90 = −2.90 |
检验:\(0.02+0.98=1\),因此这是一个完整的分布。于是:
$$E(X)=100(0.02)+(-5)(0.98)=2-4.90=-2.90$$
每次游戏的期望值为 -2.90 美元。平均而言,每玩一次这个赌注就会输掉 2.90 美元。
关键术语和符号
- 随机变量
- 取值为随机过程数值结果的变量,例如骰子显示的点数。
- 离散随机变量
- 取有限个或可数个离散值的随机变量,例如 1、2、3、…
- 结果(\(x_i\))
- 随机变量的一个可能取值。结果可以为负,例如亏损。
- 概率(\(p_i\))
- 结果 \(x_i\) 发生的可能性。每个概率必须满足 \(0\le p_i\le 1\)。
- 概率分布
- 所有结果及其概率的完整列表。概率必须满足 \(\sum p_i = 1\)。
- 期望值 / 均值 / 数学期望(\(E(X)\) 或 \(\mu\))
- 所有结果以概率为权重的加权平均值,\(E(X)=\sum x_i p_i\)。
- 加权和
- 在相加之前,每个值先乘以一个权重的求和。这里的权重就是概率。
- 公平游戏
- 期望净收益为零的游戏,因此 \(E(X)=0\)。
常见问题
概率之和必须等于 1 吗? 对于一个有效的概率分布,是的。即使概率之和不等于 1,本计算器仍会算出加权和,并显示总和,方便你随时调整。
结果可以是负数吗? 可以——亏损或负收益用负数表示即可,这在博彩和金融类的例子中很常见。
如果数值和概率的个数不一样怎么办? 计算器会按位置两两配对,只取较短那一列的项数进行计算。