数学期望概念引入

目录

• 一句话理解
• 1. 数学定义
• 2. 最简单的生活案例：买彩票
• 3. 抛硬币
• 4. 坐出租车/打车：期望等待时间
• 5. 游戏抽奖
• 6. 一个特别重要的理解
  • 方案A
  • 方案B
• 7. 你可以用一个固定套路计算
  • 最后用一句话记忆

---

一句话理解

数学期望值，就是把“每种可能发生的结果”，按照它发生的概率加权平均，得到一个长期平均水平。

你可以先记住一个直觉：

期望值 ≠ 一次实际会得到多少钱，而是“如果重复很多很多次，平均下来大约是多少”。

1. 数学定义

每个结果 × 它发生的概率，然后全部加起来。

---

2. 最简单的生活案例：买彩票

假设你花 10元买一张彩票：

结果	获得金额	概率
中100元	100元	1%
什么都没中	0元	99%

那么期望收益：

\[E(X)=100\times1\%+0\times99\% \]

\[=1元 \]

也就是说：

这张彩票的期望返还金额是1元。

但你不能理解成：

“我买一张彩票，一定能拿到1元。”

不是。

实际上你只有两个结果：

• 99%的概率 → 0元
• 1%的概率 → 100元

1元是大量重复购买后的平均水平。

如果有100个人各买一张，理论上可能有1个人中100元：

\[\frac{100元}{100人}=1元/人 \]

所以平均每个人返还1元。

而每个人实际拿到的仍然可能是 0元或者100元。

---

3. 抛硬币

这是最容易理解的例子。

假设：

• 正面 → 赢10元
• 反面 → 输6元
• 正反面概率都是50%

那么：

\[E(X)=10\times50\%+(-6)\times50\% \]

\[=5-3=2元 \]

所以：

这个游戏每玩一次，长期平均下来，你赚2元。

如果玩1000次，理论上的平均收益大约：

\[1000\times2=2000元 \]

注意：

不代表你第1次一定赚2元。

第1次只能：

• 赢10元
• 或者输6元

---

4. 坐出租车/打车：期望等待时间

假设你每天去一个地方打车。

根据历史情况：

等待时间	概率
2分钟	30%
5分钟	50%
10分钟	20%

那么平均等待时间：

\[E(X)=2\times30\%+5\times50\%+10\times20\% \]

\[=0.6+2.5+2 \]

\[=5.1分钟 \]

所以：

长期来看，你平均每次大约等待5.1分钟。

这就是数学期望。

---

5. 游戏抽奖

假设游戏抽奖：

奖励	概率
100元	1%
20元	9%
5元	30%
0元	60%

那么：

\[E(X) =100\times1\% +20\times9\% +5\times30\% +0\times60\% \]

\[=1+1.8+1.5 \]

\[=4.3元 \]

所以这个抽奖：

每抽一次，长期平均获得4.3元的奖励。

如果一次抽奖成本是 3元：

\[4.3-3=1.3元 \]

那么从数学期望角度看：

每抽一次，长期平均净收益 +1.3元。

如果成本是 6元：

\[4.3-6=-1.7元 \]

那么长期平均：

每抽一次亏1.7元。

---

6. 一个特别重要的理解

数学期望本质上就是：

“可能性 × 结果”的平均。

比如你面临两个选择：

方案A

确定拿：

100元

所以：

\[E(A)=100 \]

方案B

有50%概率拿200元，50%概率拿0元：

\[E(B)=200\times50\%+0\times50\% \]

\[=100 \]

所以：

\[E(A)=E(B)=100 \]

从数学期望来看，两者一样。

但是风险完全不同：

方案	结果	期望	风险
A	一定100元	100	很低
B	0或200元	100	更高

这也是为什么在金融、投资、保险、网络安全决策中：

不能只看数学期望。

还要考虑风险、方差、概率分布、最坏情况等。

---

7. 你可以用一个固定套路计算

以后看到“数学期望”问题，直接套：

第一步：列出所有可能结果

第二步：写出每个结果的概率

第三步：结果 × 概率

第四步：全部相加

例如：

赚100元的概率20%，亏50元的概率80%。

直接：

\[E(X)=100\times20\%+(-50)\times80\% \]

\[=20-40=-20元 \]

所以这个事情的数学期望是：

-20元。

意味着如果长期重复做，平均每做一次亏20元。

最后用一句话记忆

数学期望，就是把“不确定的未来”，按照概率折算成一个“长期平均值”。

而且这是你后面学习期望值决策、最大期望值、投资决策、风险决策的基础。