数学期望的计算方法主要取决于随机变量是离散的还是连续的。

离散随机变量的数学期望

对于离散随机变量，其数学期望 （ E（X） ） 是所有可能取值 （ x_i ） 与其对应概率 （ p_i ） 的乘积之和。具体公式为：

[ E（X） = sum_{i=1}^{n} x_i p_i ]

其中，（ x_i ） 是随机变量 （ X ） 的第 （ i ） 个取值，（ p_i ） 是该取值对应的概率，（ n ） 是所有可能取值的总数。

连续随机变量的数学期望

对于连续随机变量，其数学期望 （ E（X） ） 是概率密度函数 （ f（x） ） 与变量 （ x ） 的乘积在整个定义域上的积分。具体公式为：

[ E（X） = int_{-infty}^{infty} x f（x） , dx ]

其中，（ f（x） ） 是随机变量 （ X ） 的概率密度函数。

示例

离散随机变量示例

假设有离散随机变量 （ X ） 的取值和概率如下：

[

begin{array}{c|c}

x_i & p_i

hline

1 & 0.2

2 & 0.5

3 & 0.3

end{array}

]

则 （ X ） 的数学期望 （ E（X） ） 为：

[ E（X） = 1 times 0.2 + 2 times 0.5 + 3 times 0.3 = 2.1 ]

连续随机变量示例

假设有连续随机变量 （ X ） 的概率密度函数为 （ f（x） = 2x ），定义域为 （ [0, 1] ）。则 （ X ） 的数学期望 （ E（X） ） 为：

[ E（X） = int_{0}^{1} x cdot 2x , dx = int_{0}^{1} 2x^2 , dx = left[ frac{2}{3}x^3 right]_{0}^{1} = frac{2}{3} ]

编程实现

以下是一个使用 Python 计算离散随机变量期望的示例：

python

import numpy as np

定义随机变量的取值和概率

x = np.array（[1, 2, 3]）

p = np.array（[0.2, 0.5, 0.3]）

计算期望

E_X = np.sum（x * p）

print（"期望值 E（X） =", E_X）

通过以上方法，可以计算出离散和连续随机变量的数学期望。希望这些信息对你有所帮助!