概率论：数字特征与极限定理——数学期望

数学期望就是一种平均。

收敛的才有期望。

接下来我们来球一些常见的分布的期望：

 

e^x=1+x/1+x^2/2····，泰勒展开。

注意这个是无穷无尽的。

这里使用了一个很巧妙地求和方法。敏锐地发现了k(1-p)^k-1可以变成(1-p)^k的导数，而这个原函数求和是很简单的。从结果可以看出，当概率为1是平均值要一次就可以了达到了，当概率变小时平均达到的次数就要增加。

这些都要作为结论记住。

离散的知道了，那连续的呢？：

接下来是几个例子：

均匀分布，平均值在正中间，很合理呀。

 te-t怎么积分？-(t+1)e-t求导等于te-t.

正态分布是对称的，结果期望是原本的平均值很合理吧。

现在连续的我也知道了，那要是间接的g(x)要求期望怎么办？：

这个很好理解嘛。F(x)=|f(x)dx,E(x)=|f(x)*|x|dx.F(z)=||f(x,y)dxdy,那E(z)=||f(x,y)*|z|dxdy,|z|=|g(x,y)|,这样就可以了。

在这些例子之后，相信也可以发现一些规律：

（3）很好理解，X,Y的和的平均值等于X平均值加上Y的平均值,很合理吧。