【高中数学期望公式】在高中数学中，期望是概率论中的一个重要概念，广泛应用于随机变量的分析和实际问题的建模。理解并掌握期望公式的应用，有助于学生更好地解决与概率相关的题目，尤其是在统计、经济、游戏设计等领域。
一、期望的基本概念
期望（Expected Value）是指在大量重复试验中，随机变量的平均结果值。它反映了随机事件的长期平均表现，是概率分布的重要特征之一。
对于离散型随机变量 $ X $，其期望值 $ E(X) $ 可以表示为：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
其中，$ x_i $ 是随机变量可能取的值，$ P(x_i) $ 是对应概率。
对于连续型随机变量，期望公式则为：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
其中，$ f(x) $ 是概率密度函数。
二、常见分布的期望公式
以下是高中阶段常见的概率分布及其对应的期望公式：
| 分布类型 | 概率质量函数 / 密度函数 | 期望公式 |
| 两点分布（伯努利） | $ P(X=1)=p, P(X=0)=1-p $ | $ E(X) = p $ |
| 二项分布 $ B(n, p) $ | $ P(X=k) = C_n^k p^k (1-p)^{n-k} $ | $ E(X) = np $ |
| 超几何分布 | $ P(X=k) = \frac{C_K^k C_{N-K}^{n-k}}{C_N^n} $ | $ E(X) = \frac{nK}{N} $ |
| 均匀分布 $ U(a,b) $ | $ f(x) = \frac{1}{b-a} $ | $ E(X) = \frac{a+b}{2} $ |
| 正态分布 $ N(\mu, \sigma^2) $ | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ E(X) = \mu $ |
三、期望的性质
1. 线性性：对任意常数 $ a $ 和 $ b $，有
$$
E(aX + b) = aE(X) + b
$$
2. 可加性：对于任意两个随机变量 $ X $ 和 $ Y $，有
$$
E(X + Y) = E(X) + E(Y)
$$
3. 独立性：若 $ X $ 和 $ Y $ 独立，则
$$
E(XY) = E(X) \cdot E(Y)
$$
四、应用实例
例题1：一个骰子有6个面，每个面出现的概率相等。求该骰子的期望值。
解：
设随机变量 $ X $ 表示骰子的点数，则
$$
E(X) = \frac{1+2+3+4+5+6}{6} = \frac{21}{6} = 3.5
$$
例题2：某次考试中，甲同学答对每道题的概率为0.8，共10道题。求他答对题数的期望。
解：
这是一个二项分布问题，$ X \sim B(10, 0.8) $，所以
$$
E(X) = 10 \times 0.8 = 8
$$
五、总结
期望是概率论中用于描述随机变量“平均”表现的重要工具，尤其在高中数学中，它被广泛应用于各种分布模型中。掌握期望的计算方法和性质，不仅有助于提高数学解题能力，也为后续学习统计学、经济学等内容打下基础。
通过上述表格和实例，可以更清晰地理解不同分布下的期望公式，并灵活运用于实际问题中。