期望值怎么算的？
投资生产A产品的期望为64万元，投资生产B产品的期望为41万元。解答过程为：1、先求A,B两种产品成功的概率：P(A)=40/50=0.8，P(B)=35/50=0.7。2、投资生产A产品的期望为E(A)=0.8*100+0.2*（-80）=64；投资生产B产品的期望为E(B)=0.7*80+0.3*(-50)=41。E(A)>E(B)所以投资A产品要好，因为A平均获利水平高于B。扩展资料：数学期望的性质：1、设X是随机变量，C是常数，则E（CX）=CE（X）。2、设X，Y是任意两个随机变量，则有E（X+Y）=E（X）+E（Y）。3、设X，Y是相互独立的随机变量，则有E（XY）=E（X）E（Y）。4、设C为常数，则E（C）=C。期望的应用1、在统计学中，想要估算变量的期望值时，用到的方法是重复测量此变量的值，然后用所得数据的平均值来作为此变量的期望值的估计。2、在概率分布中，数学期望值和方差或标准差是一种分布的重要特征。
期望值指的是什么？
在概率论和统计学中，期望值是指在一个离散性随机变量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。）期望值特性期望值E是一个线形函数。X和Y为在同一机率空间的两个随机变量，a和b为任意实数。一般的说，一个随机变量的函数的期望值并不等于这个随机变量的期望值的函数。在一般情况下，两个随机变量的积的期望值不等于这两个随机变量的期望值的积。特殊情况是当这两个随机变量是相互独立的时候（也就是说一个随机变量的输出不会影响另一个随机变量的输出）。
数学期望怎么求？
记D(x)为该数据的方差，E(x)为期望，则D(x)=E(x^2)-[E(x)]^2，这样就可以把E(X²)求出来,或者直接用定义法求也可以。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，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。期望值是基础概率学的升级版，是所有管理决策的过程中，尤其是在金融领域是最实用的统计工具。某个事件（最初用来描述买彩票）的期望值即收益，实际上就是所有不同结果的和，其中每个结果都是由各自的概率和收益相乘而来。扩展资料离散型随机变量数学期望的内涵：在概率论和统计学中，离散型随机变量的一切可能的取值xi与对应的概率P(=xi)之积的和称为数学期望(设级数绝对收敛)，记为E(x)。数学期望又称期望或均值，其含义实际上是随机变量的平均值，是随机变量最基本的数学特征之一。但期望的严格定义是∑xi*pi绝对收敛，注意是绝对，也就是说这和平常理解的平均值是有区别的。一个随机变量可以有平均值或中位数，但其期望不一定存在。参考资料来源：百度百科——数学期望
求期望的公式是什么?
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。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。）如果X是连续的随机变量，存在一个相应的概率密度函数 ，若积分 绝对收敛，那么X的期望值可以计算为： ，是针对于连续的随机变量的，与离散随机变量的期望值的算法同出一辙，由于输出值是连续的，所以把求和改成了积分。扩展资料：在一般情况下，两个随机变量的积的期望值不等于这两个随机变量的期望值的积。特殊情况是当这两个随机变量是相互独立的时候 （也就是说一个随机变量的输出不会影响另一个随机变量的输出。）例如，美国的轮盘中常用的轮盘上有38个数字，每一个数字被选中的概率都是相等的。赌注一般押在其中某一个数字上，如果轮盘的输出值和这个数字相等，那么下赌者可以将相当于赌注35倍的奖金(原注不包含在内)，若输出值和下压数字不同，则赌注就输掉了。考虑到38种所有的可能结果，然后这里我们的设定的期望目标是“赢钱”，则因此，讨论赢或输两种预想状态的话，以1美元赌注押一个数字上，则获利的期望值为：赢的“概率38分之1，能获得35元”，加上“输1元的情况37种”，结果约等于-0.0526美元。也就是说，平均起来每赌1美元就会输掉5美分，即美式轮盘以1美元作赌注的期望值为 负0.0526美元。
