广义定义:一次随机抽样中所期望的某随机变量的取值。
数学定义:
1.离散型
设离散型随机变量X的分布为 若级数 则记。E(X)为随机变量的数学期望。
小于正无穷时为了保证与求和次序无关,若等于正无穷,则期望不存在。
2.连续型
设X为连续的随机变量,其分布函数为F(x),若,记,称E(X)为随机变量X的数学期望。
分布函数(英文Cumulative Distribution Function, 简称CDF),是概率统计中重要的函数,正是通过它,可用数学分析的方法来研究随机变量。 分布函数是随机变量最重要的概率特征,分布函数可以完整地描述随机变量的统计规律,并且决定随机变量的一切其他概率特征。概率分布函数和概率密度函数,我认为的分布函数就是离散的概率函数,对于每个x都有相对应的概率值。而概率密度函数就是连续的概率值函数。
期望值像是随机试验在同样的机会下重复多次,所有那些可能状态平均的结果,便基本上等同“期望值”所期望的数。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。)
例如,掷一枚公平的六面骰子,其每次“点数”的期望值是3.5,计算如下:
不过如上所说明的,3.5虽是“点数”的期望值,但却不属于可能结果中的任一个,没有可能掷出此点数。
期望值并不等同于均值,但将多个均值多次求均值就会无限接近期望。