有效期望函数

A. 数学期望值的公式

数学期望的定义是，一个随机变量x有两个取值，取x1概率是p，取x2的概率是1-p，则x的数学期望是
e(x)=x1*p+x2*(1-p)
所以你的问题实际上是三个问题。
1.如果x取2和0的概率都是1/2，则其数学期望=1/2
x
2
+
1/2
x
0
2.如果x取2和-1的概率都是1/2，则其数学期望=1/2
x
2
+
1/2
x
(-1)
3.如果x取2-1和0的概率都是1/2，则其数学期望=1/2
x
(2-1)
+
1/2
x
(-1)

B. 函数的期望公式是什么

设 要求的是函数g(x)的期望 f(x) 是其中变量x的密度函数 则 E[g(x)]=∫g(x)f(x)dx 离散型的类同

C. 函数的期望值公式

一件不确定的事件有确定的所有结果，把第一种的结果值记为s1，它发生的概率记为p1，第二种结果值记为s2，它发生的概率为p2，... 第n种结果值记为sn，它发生的概率记为pn ... 那么期望值 Ex=s1*p1+s2*p2+...+sn*pn+...

D. 什么是期望函数啊

这是多维函数，E是对应法则，变量为A B，依次类推还有三维，四维等等，他表示在空间的一个曲面，E（A）表示一条线

E. 冯·诺依曼期望效用函数的发现过程

即VNM效用函数。
不过, 该理论是将个体和群体合而为一的。后来，阿罗和德布鲁（Arrow and Debreu）将其吸收进瓦尔拉斯均衡的框架中，成为处理不确定性决策问题的分析范式，进而构筑起现代微观经济学并由此展开的包括宏观、金融、计量等在内的宏伟而又优美的理论大厦。

F. 怎样用Excel求数学期望

AVERAGE

请参阅

返回参数的平均值（算术平均值）。

语法

AVERAGE(number1,number2,...)

Number1, number2, ... 为需要计算平均值的 1 到 30 个参数。

说明

参数可以是数字，或者是包含数字的名称、数组或引用。
如果数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。
提示

当对单元格中的数值求平均值时，应牢记空白单元格与含零值单元格的区别，尤其在“选项”对话框中的“视图”选项卡上已经清除了“零值”复选框的条件下，空白单元格不计算在内，但计算零值。若要查看“选项”对话框，单击“工具”菜单中的“选项”。

示例

如果您将示例复制到空白工作表中，可能会更易于理解该示例。

操作方法

创建空白工作簿或工作表。
请在“帮助”主题中选取示例。不要选取行或列标题。

从帮助中选取示例。

按 Ctrl+C。
在工作表中，选中单元格 A1，再按 Ctrl+V。
若要在查看结果和查看返回结果的公式之间切换，请按 Ctrl+`（重音符），或在“工具”菜单上，指向“公式审核”，再单击“公式审核模式”。

1
2
3
4
5
6
A
数据
10
7
9
27
2
公式 说明（结果）
=AVERAGE(A2:A6) 上面数字的平均值 (11)
=AVERAGE(A2:A6, 5) 上面数字与 5 的平均值 (10)

G. 数学期望值是什么

在概率和统计学中，一个随机变量的期望值（或期待值）是变量的输出值乘以其机率的总和，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，美国赌场中经常用的轮盘上有38个数字，每一个数字被选中的几率都是相等的。赌注一般压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倍的奖金和原赌注拿回（总共是原赌注的36倍），若输出值和下压数字不同，则赌注就输掉了。因此，如果赌注是1美元的话，这场赌博的期望值是：( -1 × 37/38 ) + ( 35 × 1/38 ), 结果是 -0.0526。也就是说，平均起来每赌一次就会输掉5美分。

数学定义
如果X是在机率空间(Ω, P)中的一个随机变量，那么它的期望值 E(X) 的定义是：
E(X)=∫ΩXdp

并不是每一个随机变量都有期望值的，因为有的时候这个积分不存在。如果两个随机变量的分布相同，则它们的期望值也相同。

如果 X 是一个离散的随机变量，输出值为 x1, x2, ...， 和输出值相应的机率为p1, p2, ... （机率和为1）, 那么期望值 E(X) 是一个无限数列的和。

上面赌博的例子就是用这种方法求出期望值的。

如果X的机率分布存在一个相应的机率密度函数 f(x)，那幺 X 的期望值可以计算为：

这种算法是针对于连续的随机变量的，与离散随机变量的期望值的算法同出一辙，由于输出值是连续的，所以把求和改成了积分。

特性
期望值 E 是一个线形函数

X 和 Y 为在同一机率空间的两个随机变量，a 和 b 为任意实数。
一般的说，一个随机变量的函数的期望值并不等于这个随机变量的期望值的函数。

在一般情况下，两个随机变量的积的期望值不等于这两个随机变量的期望值的积。特殊情况是当这两个随机变量是相互独立的时候（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）。

期望值的运用
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

H. 函数怎么求它的数学期望和方

楼上的不要误导人，他求的是变量的期望值，函数的期望值是对函数值与自变量的乘积进行积分的结果

I. 期望效用函数

权平均数是不同比重数据的平均数，加权平均数就是把原始数据按照合理的比例来计算，
若在一组数中，X1出现F1次，X2出现F2次，…，Xk出现Fk次，那么(X1F1 + X2F2+ ... XkFk)÷ (F1 + F2 + ... + Fk)叫做X1﹑X2…Xk的加权平均数。F1﹑F2…Fk是X1﹑X2…Xk的权。其中，算术平均数是加权平均数的一种特殊形式（它特殊在各项的权相等），当实际问题中，当各项权不相等时，计算平均数时就要采用加权平均数，当各项权相等时，计算平均数就要采用算数平均数。两者不可混淆。公式：
编辑本段加权平均数x拔=（x1f1 + x2f2+ ... xkfk）/n，其中f1 + f2 + ... + fk=n，f1，f2，…，fk叫做权。通过数和权的乘积来计算
1.在日常生活中，我们常用平均数表示一组数据的‘平均水平’。
2.在一组数据里，一个数据出现的次数称为权。

如果某个随机变量X以概率Pi取值xi，i=1,2,…,n，而某人在确定地得到xi时的效用为u(xi)，那么，该随机变量给他的效用便是：
U(X) = E[u(X)] = P1u(x1) + P2u(x2) + ... + Pnu(xn)
其中，E[u(X)]表示关于随机变量X的期望效用。因此U(X)称为期望效用函数，又叫做冯·诺依曼—摩根斯坦效用函数（VNM函数）。另外，要说明的是期望效用函数失去了保序性，不具有序数性

J. 数学期望的公式是什么

E(X) = X1*p(X1） + X2*p(X2） + …… + Xn*p(Xn) = X1*f1(X1） + X2*f2(X2） + …… + Xn*fn(Xn)

X ；1,X ；2,X ；3，……，X。

n为这离散型随机变量，p(X1）,p(X2）,p(X3），……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1）,p(X2）,p(X3），……p(Xn)概率函数就理解为数据X1,X2,X3，……，Xn出现的频率f(Xn).

(10)有效期望函数扩展阅读

在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。

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。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。

大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。

离散型随机变量与连续型随机变量都是由随机变量取值范围(取值)确定。