概率论-期望

对于离散型随机变量X求期望

$$P\{X=x_k\}=p_k$$
则： $$E(x)=\sum_{1}^{\infty}x_kp_k$$
如果有一个随机变量Y是关于X的函数 $Y=g(x)$,则Y的期望为：
$$E(Y)=E(g(x))=\sum_0^{\infty}g(x)p_k$$

对于连续型随机变量的期望：

$$E(X)=\int_{-\infty}^{\infty}xf(x)dx$$
对于一个随机变量Y=g(x)有
$$E(Y)=\int_{-\infty}^{\infty}g(x)f(x)dx$$

对于一些常见的函数：
$g(X)=CX,g(X)=X+X^2$等有一些定理：

1.$E(C)=C$
2.$E(CX)=CE(X)$
3.$E(X+Y)=E(X)+E(Y)$
4.对于两个独立变量
$E(XY)=E(X)E(Y)$