函数的期望值公式？

1. 函数的期望值公式？

一件不确定的事件有确定的所有结果，把第一种的结果值记为s1，它发生的概率记为p1，第二种结果值记为s2，它发生的概率为p2，... 第n种结果值记为sn，它发生的概率记为pn ...  那么期望值 Ex=s1*p1+s2*p2+...+sn*pn+...

2. 期望值公式

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。

3. 期望公式指的是什么？

期望公式：E(X)=X1*p(X1）+X2*p(X2）+……+Xn*p(Xn)=X1*f1(X1）+X2*f2(X2）+……+Xn*fn(Xn)。
n为这离散型随机变量，p(X1），p(X2），p(X3）……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1），p(X2），p(X3）……p(Xn)概率函数就理解为数据X1，X2，X3……Xn出现的频率f(Xn)。

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。

4. 求期望的公式

数学期望的公式有两个，分别是：E(aX+bY)=aE(x)+bE(y)E(aX+bY)=aE(x)+bE(y)和(XY)=E(X)+E(Y)E(XY)=E(X)+E(Y)。
在概率论和统计学中，数学期望（或均值，亦简称期望）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。

5. 期望值公式

离散型随机变量X的取值为  ，  为X对应取值的概率，可理解为数据  出现的频率  ，则：。
其中E(x）为期望，∑为求和公式。
在概率论和统计学中，数学期望（或均值，亦简称期望）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。

扩展资料：
数学期望的来历：
在17世纪，有一个赌徒向法国著名数学家帕斯卡挑战，给他出了一道题目：甲乙两个人赌博，他们两人获胜的机率相等，比赛规则是先胜三局者为赢家，一共进行五局，赢家可以获得100法郎的奖励。
当比赛进行到第四局的时候，甲胜了两局，乙胜了一局，这时由于某些原因中止了比赛，那么如何分配这100法郎才比较公平？用概率论的知识，不难得知，甲获胜的可能性大，乙获胜的可能性小。
因为甲输掉后两局的可能性只有(1/2)×(1/2）=1/4，也就是说甲赢得后两局的概率为1－(1/4)=3/4，甲有75%的期望获得100法郎；而乙期望赢得100法郎就得在后两局均击败甲，乙连续赢得后两局的概率为(1/2)*(1/2)=1/4，即乙有25%的期望获得100法郎奖金。
可见，虽然不能再进行比赛，但依据上述可能性推断，甲乙双方最终胜利的客观期望分别为75%和25%，因此甲应分得奖金的100*75%=75(法郎)，乙应分得奖金的的100×25%=25(法郎)。这个故事里出现了“期望”这个词，数学期望由此而来。
参考资料：百度百科-期望

6. 期望公式是什么呢?

E(X) = X1*p(X1） + X2*p(X2） + …… + Xn*p(Xn) = X1*f1(X1） + X2*f2(X2） + …… + Xn*fn(Xn)。
n为这离散型随机变量，p(X1）,p(X2）,p(X3），……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1）,p(X2）,p(X3），……p(Xn)概率函数就理解为数据X1,X2,X3，……，Xn出现的频率f(Xn)。
简介
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。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。
大数定律表明，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。