期望的算法

⑴ 期望值怎么算

E(X) = X1*p(X1) + X2*p(X2) + …… + Xn*p(Xn)

X1,X2,X3,……,Xn为这几个数据，p(X1),p(X2),p(X3),……p(Xn)为这几个数据的概率函数。

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。）

如果X是连续的随机变量，存在一个相应的概率密度函数（也就是说一个随机变量的输出不会影响另一个随机变量的输出。）

例如，美国的轮盘中常用的轮盘上有38个数字，每一个数字被选中的概率都是相等的。赌注一般押在其中某一个数字上，如果轮盘的输出值和这个数字相等，那么下赌者可以将相当于赌注35倍的奖金(原注不包含在内)，若输出值和下压数字不同，则赌注就输掉了。

考虑到38种所有的可能结果，然后这里我们的设定的期望目标是“赢钱”，则因此，讨论赢或输两种预想状态的话，以1美元赌注押一个数字上，则获利的期望值为：赢的“概率38分之1，能获得35元”，加上“输1元的情况37种”，结果约等于-0.0526美元。

也就是说，平均起来每赌1美元就会输掉5美分，即美式轮盘以1美元作赌注的期望值为 负0.0526美元。

⑵ 超几何分布的数学期望和方差的算法

期望值有两种方法：
1.
最笨的，也就是把每种情况（就是拿到0，1，2，3，4，5，6，7个指点球）都算出来[超几何分布计算公式：p(x=r)=(Cm
r*CN-M
n-r)/CNn，"C"是组合数，m与r分别是下标与上标，这里不好打出来]。然后写出概率分布列，将每一纵行的P(x=r)与r相乘，所求结果相加，即可得出期望值。
2.
还有一种就是简单的公式法，E(X)=(n*M)/N
[其中x是指定样品数，n为样品容量，M为指定样品总数，N为总体中的个体总数]，可以直接求出均值。
方差也有两种算法（都是公式法）：
1.这里设期望值为a,那么方差V(X)=（X1-a）^2*P1+(x2-a)^2*P2+...+(Xn-a)*Pn。
2.另一种是V(X)=X1^2*P1+X2^2*P2+...Xn^2*Pn-a^2
[这里同样设a为期望值]

⑶ 超几何分布的数学期望和方差的算法

1、期望值计算公式：

E(X)=(n*M)/N [其中x是样本数，n为样本容量，M为样本总数，N为总体中的个体总数]，求出均值，这就是超几何分布的数学期望值。

2、方差计算公式：

V(X)=X1^2*P1+X2^2*P2+...Xn^2*Pn-a^2 [这里设a为期望值]

(3)期望的算法扩展阅读：

在统计学中，当估算一个变量的期望值时，一个经常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。

在概率分布中，期望值和方差或标准差是一种分布的重要特征。

在经典力学中，物体重心的算法与期望值的算法十分近似。

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。