如何从具有互斥结果的显式结果表中计算期望值？

视频首先将定积分回顾为曲边梯形的面积，通过分割、采样和取黎曼和的极限来构建。然后将相同的逻辑应用于期望积分 $\int_{-\infty}^{+\infty} x f(x) dx$，将项 $x f(x) dx$ 解释为值 $x$ 与近似概率 $f(x)dx$（小条带的面积）的乘积，从而将期望视为连续加权平均。

适用条件：X 是连续随机变量；$f(x)$ 是概率密度函数；积分绝对收敛

期望值是通过将每个净结果乘以其概率并求和来计算的，这代表了长期平均值。首先，确定赢和输的净利润。

适用条件：彩票有三个位置，每个位置有十个选择，允许重复。；模型假设所有 1000 张有序彩票是等可能的。；彩票成本为 1 美元。；中奖支付金额为 500 美元，包含全部奖金。

对于宽度为 $\Delta x$ 的非常小的区间，随机变量落入该区间的概率近似等于区间内某点的概率密度函数值乘以宽度 $\Delta x$。这种关系 $P\{x < X \le x + \Delta x\} \approx f(x)\Delta x$ 连接了密度（单位长度的概率）与实际范围内的概率概念。

适用条件：区间宽度 $\Delta x$ 非常小；忽略高阶无穷小量；$f(x)$ 在参考点处连续

赢的净结果是 499 美元，输的净结果是 -1 美元。这些值是通过从 500 美元的奖金（赢时）和 0 美元（输时）中减去 1 美元的彩票成本得出的。

适用条件：彩票成本为 1 美元。；中奖奖金为 500 美元。；净结果定义为奖金减去成本。

使用积分是因为连续随机变量可以在区间内取任何值，导致不可数个可能值。求和适用于离散的值集。

适用条件：X 是连续随机变量；$f(x)$ 是概率密度函数；积分绝对收敛