期望值
概述
期望值（Expected Value，也称数学期望或expectation）是概率论中最基础的概念之一，用来衡量随机事件的"平均"或"典型"结果。虽然帕斯卡在1654年解决点数问题时隐含地使用了期望值的思想，但这个概念由惠更斯在1657年正式定义和命名。期望值已成为概率论、统计学、博弈论、金融学等领域的核心工具。
关键内容
基本定义
对于离散随机变量X，期望值定义为： $$E[X] = \sum_i x_i \cdot P(X = x_i)$$
即：每个可能值乘以其发生的概率，然后求和。
对于连续随机变量X，期望值为： $$E[X] = \int_{-\infty}^{+\infty} x \cdot f(x) dx$$
其中f(x)是概率密度函数。
直觉理解
假设你参加一个赌博游戏： - 如果掷出1到5，你获得对应的金额（1元到5元） - 如果掷出6，你失去6元 - 每个结果的概率都是1/6
那么你每局的期望收益是： $$E = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} - 6 \cdot \frac{1}{6} = \frac{9}{6} = 1.5 \text{元}$$
这意味着长期看来，每局你平均赚1.5元。
点数问题中的期望值
设 f(a, b) 为A在"还差a局、B还差b局"时的期望收益（以全部赌注为单位）： $$f(a, b) = \frac{1}{2} \cdot f(a-1, b) + \frac{1}{2} \cdot f(a, b-1)$$
这个公式说的是：下一局的结果有两种等可能的情况，A的期望收益是两种情况下收益的平均值。
期望值的性质
- 线性性：E[aX + b] = aE[X] + b
- 期望的期望：E[E[X|Y]] = E[X]（全期望公式）
- 独立变量的乘积：若X和Y独立，则E[XY] = E[X]E[Y]
- 方差和期望的关系：Var(X) = E[X²] - E[X]²
在不同领域的应用
| 领域 | 应用 |
|---|---|
| 保险 | 期望亏损 = 赔付额 × 赔付概率，用于确定保费 |
| 投资 | 期望收益 = 各种情景的收益 × 其概率，用于评估投资 |
| 博弈论 | 期望收益决定最优策略 |
| 医学 | 期望寿命、期望生活质量 |
| 机器学习 | 损失函数的期望值指导模型训练 |
惠更斯的形式化定义（1657年）
惠更斯在《论赌博中的推理》中通过三条命题正式定义了期望，并对每条给出严格论证：
| 命题 | 内容 | 公式 |
|---|---|---|
| 命题 I | 等可能获得 a 或 b | E = (a + b) / 2 |
| 命题 II | 等可能获得 a、b 或 c | E = (a + b + c) / 3 |
| 命题 III | p 种机会得 a，q 种机会得 b | E = (pa + qb) / (p + q) |
"公平交换"论证：如果玩家愿意用金额 E 交换参与权，则这个交换对所有方必须公平——没有任何一方能从交换中获得优势。由此推导出 E 的唯一值，即期望值。
这种"无套利"的逻辑（任何一方无利可图时价格即公平价格）与现代金融数学的无套利定价原理在思想上一脉相承。
期望值vs平均值
注意区别： - 样本平均值：实际观察到的数据的平均数 - 期望值：理论上所有可能结果的加权平均
例如，掷一颗骰子，期望值是3.5，但你永远掷不出3.5。期望值描述的是"长期平均"。
意义
为什么期望值重要
- 衡量风险：期望值告诉我们一个不确定的结果"平均"会怎样
- 做出决策：在多个不确定的选择中，选择期望值最高的
- 理解大数定律：样本平均趋向于期望值
- 金融应用：现代金融定价和风险管理的核心工具