离散随机变量的均值与期望｜Khan Academy

1. 公式
   观察依据

   左上角文字写着“X = 一周锻炼的次数”。

2. 声音
   观察依据

   讲解将随机变量定义为每周锻炼次数。

X

等于给定一周内锻炼次数的随机变量。

表中显示的有限值集合：{0, 1, 2, 3, 4}。

1. 公式
   观察依据

   表头写着“P(x)”。

2. 声音
   观察依据

   讲解介绍所示概率分布。

P(x)

分配给随机变量 X 每个可能值 x 的概率。

表中列出的值：0.1, 0.15, 0.4, 0.25, 0.1。

1. 动画
   观察依据

   在 X 的定义附近添加了一个绿色手写标签“discrete”。

2. 声音
   观察依据

   原片将该有限取值例子归为离散随机变量。

discrete

在此示例中，指只能取有限个值的随机变量的描述符。

适用于本视频中的 X。

1. 公式
   观察依据

   红色记号“E(X)”写在表格右侧。

2. 声音
   观察依据

   讲解介绍数学期望。

E(X)

随机变量 X 的期望值。

在本例中为离散随机变量 X 定义。

1. 公式
   观察依据

   红色方程变为“E(X) = μ_x”。

2. 声音
   观察依据

   讲解将均值记号与期望对应。

μ_x

随机变量 X 的均值；用作 E(X) 的替代记号。

在本视频中与 E(X) 为同一量。

1. 公式
   观察依据

   X = 一周锻炼的次数

X

表示一周内锻炼次数的离散随机变量

{0, 1, 2, 3, 4}

1. 公式
   观察依据

   表格中的 P(X) 一列

P(X)

概率质量函数，给出 X 每个结果的概率

[0, 1]

1. 公式
   观察依据

   E(X) = \mu_X

E(X)

离散随机变量 X 的期望值（均值）

\mathbb{R}

1. 公式
   观察依据

   E(X) = \mu_X

\mu_X

X 的期望值或均值的另一种记法

\mathbb{R}

1. 公式
   观察依据

   左上角文字写着“X = 一周锻炼的次数.”

2. 图示
   观察依据

   左侧有一个表格，表头为“X”，数值为 0, 1, 2, 3, 4。

X

表示一周内锻炼次数的离散随机变量。

表格中显示的整数值：0, 1, 2, 3, 4。

1. 公式
   观察依据

   表格表头写着“P(X)”

2. 图示
   观察依据

   相邻列列出了概率 0.1, 0.15, 0.4, 0.25, 0.1，分别对应 X = 0, 1, 2, 3, 4。

P(X)

概率质量函数，给出随机变量 X 取每个列出值的概率。

定义在显示的支持集 {0, 1, 2, 3, 4} 上。

1. 公式
   观察依据

   主方程以“E(X)”开头。

2. 声音
   观察依据

   讲解介绍数学期望。

E(X)

随机变量 X 的期望值（均值）。

1. 声音
   观察依据

   讲解利用本例有限取值说明其离散性。

2. 公式
   观察依据

   表格列出了恰好五个 X 值：0, 1, 2, 3, 4。

3. 动画
   观察依据

   绿色标签“discrete”写在 X 附近。

本例 X 的取值为有限列表 0, 1, 2, 3, 4，因此属于离散随机变量；一般定义也允许可数无限支持。

1. 在此示例中，该变量有一个有限的可能值列表。

1. X
2. P(x)

1. 公式
   观察依据

   两列表格，表头为 X | P(x)，行为 0|0.1, 1|0.15, 2|0.4, 3|0.25, 4|0.1。

2. 声音
   观察依据

   表格将每个取值与其概率对应。

显示的表格为 X 的每个可能值分配概率。每一行将一个结果值与其概率配对。

1. 每个列出的 x 值都有一个相关的概率 P(x)。

1. X
2. P(x)

1. 声音
   观察依据

   讲解检查总概率与各项非负性。

2. 公式
   观察依据

   可见概率为 0.1, 0.15, 0.4, 0.25, 0.1。

视频通过求和所有概率并指出没有概率为负来检查有效性。陈述的和为 1。

1. 所有概率必须非负。

2. 所有列出结果的总概率必须等于 1。

1. X 的概率分布表

1. 公式
   观察依据

   红色书写显示 E(X)，然后 E(X)=μ_x。

2. 声音
   观察依据

   讲解将期望与均值介绍为同一量。

X 的期望值记为 E(X)。在此片段中，它被确定为随机变量的均值，也写作 μ_x。

1. 适用于表中介绍的离散随机变量 X。

1. 此示例中的离散随机变量
2. E(X)
3. μ_x

1. 声音
   观察依据

   计算方法是按概率为各个取值加权。

2. 公式
   观察依据

   在片段结束前未写出完整的算术表达式。

1. 本开头区间说明方法；同一完整视频在后续区间算出数值。

每个取值乘以对应概率，再将乘积相加。本开头区间介绍方法；完整视频的后续区间完成算术。

1. 使用分布中的可能结果及其概率。

1. 期望值记号及含义
2. X 的概率分布表

1. 声音
   观察依据

   讲解将每个取值乘以其概率，并把各项相加。

2. 公式
   观察依据

   E(X) = \mu_X = 0 \cdot 0.1 + 1 \cdot 0.15 + 2 \cdot 0.4 + 3 \cdot 0.25 + 4 \cdot 0.1

3. 公式
   观察依据

   原片写出具体加权和；求和号的一般写法与可积性条件为编辑补充。

离散随机变量的期望值 E(X) 通过将每个可能结果 x 乘以其对应的概率 P(x)，然后对所有这些乘积求和来计算。

1. X 必须是离散随机变量

2. 所有概率 P(x) 之和必须等于 1

3. 完整支持集上的概率非负且总和为一。

4. 本例为有限支持分布，因此有有限期望；可数无限支持的分布要有有限均值，还需绝对可积。

1. 公式
   观察依据

   左上角出现“X = 一周锻炼的次数”。

2. 图示
   观察依据

   一个两列表格列出了五个结果的 X 和 P(X)。

3. 声音
   观察依据

   讲解引用例题中的概率分布。

该片段将离散随机变量 X 定义为一周内的锻炼次数，并在表格中显示其概率分布。可见的支持集是有限的：X 可以是 0, 1, 2, 3 或 4，对应的概率分别为 0.1, 0.15, 0.4, 0.25 和 0.1。

1. X 是离散的。

2. 显示的分布为列出的结果分配了概率。

1. 公式
   观察依据

   黑板上写着“E(X) = \mu_X = 0·0.1 + 1·0.15 + 2·0.4 + 3·0.25 + 4·0.1”。

2. 声音
   观察依据

   讲解将每个取值乘以其概率，并把各项相加。

3. 公式
   观察依据

   原片写出具体加权和；求和号的一般写法与可积性条件为编辑补充。

期望值通过将每个可能结果乘以其概率并对所有此类乘积求和来计算。在这个例子中，公式直接由表格行实例化。

1. 适用于已知每个结果概率的离散随机变量。

2. 完整支持集上的概率非负且总和为一。

3. 本例为有限支持分布，因此有有限期望；可数无限支持的分布要有有限均值，还需绝对可积。

1. 离散随机变量及概率分布设置

1. 声音
   观察依据

   讲解区分均值与单周实际次数，并用较长时期举例说明。

2. 声音
   观察依据

   讲解区分均值与单周实际次数，并用较长时期举例说明。

3. 声音
   观察依据

   讲解区分均值与单周实际次数，并用较长时期举例说明。

4. 声音
   观察依据

   讲解区分均值与单周实际次数，并用较长时期举例说明。

E(X)=2.1 是分布均值，不是可能发生的单周次数。每周边际分布都相同时，总次数的期望为 21（10 周）与 210（100 周）。长期样本平均的解释还需适用大数定律的模型，例如独立同分布重复抽样。

1. 多次变量都服从这个固定分布时，线性性给出总次数的期望 nE(X)，此恒等式不要求独立。独立同分布重复抽样时，样本平均趋向均值；两者都不保证任何有限样本的实际总次数。

1. 离散随机变量的期望值公式

1. 声音
   观察依据

   本例有有限个可能取值，因此属于离散随机变量。

2. 公式
   观察依据

   表格显示 X 的五个值：0, 1, 2, 3, 4。

因为 X 只能取有限集值 0, 1, 2, 3 或 4，视频将 X 分类为离散随机变量。

1. X 在显示的示例中只有有限个可能值。

对于此片段中的特定随机变量 X。

1. 声音
   观察依据

   所列非负概率经检查总和为一。

2. 公式
   观察依据

   行显示 0.1, 0.15, 0.4, 0.25, 0.1。

该表格被呈现为有效的概率分布，因为概率之和为 1 且没有负值。

1. 列出的概率正好是 0.1, 0.15, 0.4, 0.25 和 0.1。

2. 这些是示例中 X 所有结果的概率。

对于显示的 X 的分布。

1. 公式
   观察依据

   红色方程写为 E(X)=μ_x。

2. 声音
   观察依据

   期望被解释为分布的均值。

在此片段中，E(X) 被确定为随机变量 X 的均值，并写为 μ_x。

1. X 是在片段开头定义的离散随机变量。

对于此示例中的随机变量 X。

1. 公式
   观察依据

   垂直加法得出“2.10”。

2. 公式
   观察依据

   最终框出的结果是“2.1”。

3. 声音
   观察依据

   计算得出画面中的均值。

对于显示的分布，E(X)=\mu_X=2.1。

1. 概率依次为0.1、0.15、0.4、0.25、0.1，分别对应结果0、1、2、3、4。

针对黑板上显示的这个特定离散分布。

1. 声音
   观察依据

   讲解说明整数取值变量也可以有非整数均值。

可能结果为整数的随机变量仍然可以具有非整数的期望值。

1. 随机变量是离散且取整数值。

2. 期望值由概率加权和定义。

在片段末尾口头陈述的一般性命题。

1. 声音
   观察依据

   讲解将概率相加以检查总和。

2. 公式
   观察依据

   五个可见概率为 0.1, 0.15, 0.4, 0.25, 0.1。

1. 公式

   $$0.1 + 0.15 + 0.4 + 0.25 + 0.1$$
   解释

   列出 P(x) 列中的所有概率。

   步骤依据

   直接取自显示的表格。

   视频直接表达
2. 公式

   $$= 1$$
   解释

   说话者陈述总概率为 1。

   步骤依据

   在音频中明确说出。

   视频直接表达

显示的概率总和为 1，支持该表格是有效概率分布的主张。

1. 声音
   观察依据

   讲解说明按概率加权求和的程序。

2. 公式
   观察依据

   在片段结束前未写出完成的公式或数值结果。

1. 本开头区间说明方法；同一完整视频在后续区间算出数值。

1. 公式

   $$$$
   解释

   从表格左列识别 X 的可能结果。

   步骤依据

   表格列出 X = 0, 1, 2, 3, 4。

   视频直接表达
2. 公式

   $$$$
   解释

   将每个结果与 P(x) 列中的概率配对。

   步骤依据

   分布表提供这些配对。

   视频直接表达
3. 公式

   $$$$
   解释

   使用结果及其概率形成加权和。

   步骤依据

   说话者明确将期望值描述为由概率加权的结果的加权和。

   视频直接表达

开头区间确立计算方法；同一完整视频随后完成计算。

1. 声音
   观察依据

   讲解依次完成期望计算中的乘法与加法。

2. 公式
   观察依据

   画面逐步展示展开与化简过程。

3. 公式
   观察依据

   本区间建立并化简加权项；本条提前给出的最终值是编辑求和，已由完整视频结尾核实。

1. 公式

   $$E(X) = 0 \cdot 0.1 + 1 \cdot 0.15 + 2 \cdot 0.4 + 3 \cdot 0.25 + 4 \cdot 0.1$$
   解释

   使用给定的概率分布表建立期望值公式。

   步骤依据

   离散随机变量期望值的定义。

   视频直接表达
2. 公式

   $$0 \cdot 0.1 = 0; 1 \cdot 0.15 = 0.15; 2 \cdot 0.4 = 0.8; 3 \cdot 0.25 = 0.75; 4 \cdot 0.1 = 0.4$$
   解释

   计算每一项的乘积。

   步骤依据

   算术乘法。

   视频直接表达
3. 公式

   $$0 + 0.15 + 0.8 + 0.75 + 0.4 = 2.1$$
   解释

   将乘积的结果相加以求得期望值。

   步骤依据

   编辑根据所示加权项求和；原片在后续区间完成最终相加。

   补充解释

期望值 E(X) 为 2.1。

1. 公式
   观察依据

   展开表达式：“0·0.1 + 1·0.15 + 2·0.4 + 3·0.25 + 4·0.1”。

2. 图示
   观察依据

   中间乘积被重写为垂直形式：0.15, 0.8, 0.75, 0.4。

3. 声音
   观察依据

   讲解将加权项相加，得出均值。

1. 公式

   $$E(X)=\mu_X=0(0.1)+1(0.15)+2(0.4)+3(0.25)+4(0.1)$$
   解释

   从使用结果和概率表的期望值定义开始。

   步骤依据

   使用黑板上显示的离散期望公式。

   视频直接表达
2. 公式

   $$0(0.1)=0$$
   解释

   第一个乘积对和没有贡献。

   步骤依据

   乘以零。

   视频直接表达
3. 公式

   $$1(0.15)=0.15$$
   解释

   保留第二项为 0.15。

   步骤依据

   直接由表格行 X=1 相乘。

   视频直接表达
4. 公式

   $$2(0.4)=0.8$$
   解释

   将第三项重写为 0.8。

   步骤依据

   直接由表格行 X=2 相乘。

   视频直接表达
5. 公式

   $$3(0.25)=0.75$$
   解释

   将第四项重写为 0.75。

   步骤依据

   直接由表格行 X=3 相乘。

   视频直接表达
6. 公式

   $$4(0.1)=0.4$$
   解释

   将第五项重写为 0.4。

   步骤依据

   直接由表格行 X=4 相乘。

   视频直接表达
7. 公式

   $$0.15+0.8+0.75+0.4=2.10$$
   解释

   垂直相加剩余的非零乘积。

   步骤依据

   黑板上显示并口头叙述的小数加法。

   视频直接表达
8. 公式

   $$E(X)=2.1$$
   解释

   得出结论，期望值为每周 2.1 次锻炼。

   步骤依据

   将 2.10 简化为 2.1。

   视频直接表达

给定分布下 X 的期望值为 2.1。

1. 公式
   观察依据

   定义行：X = 一周锻炼的次数。

2. 公式
   观察依据

   表格行：0|0.1, 1|0.15, 2|0.4, 3|0.25, 4|0.1。

3. 声音
   观察依据

   讲解给出并检查锻炼次数分布，进而建立期望计算。

1. 本开头区间说明方法；同一完整视频在后续区间算出数值。

设 X 为给定一周内的锻炼次数，其概率分布为 P(X=0)=0.1, P(X=1)=0.15, P(X=2)=0.4, P(X=3)=0.25, P(X=4)=0.1。片段询问如何理解和计算此离散随机变量的期望值。

1. X = 一周锻炼的次数

2. X 的可能值：0, 1, 2, 3, 4

3. P(0)=0.1

4. P(1)=0.15

5. P(2)=0.4

6. P(3)=0.25

7. P(4)=0.1

将 X 分类为离散；验证表格是有效的概率分布；引入期望值记号；陈述计算方法

1. 公式

   $$X \in \{0,1,2,3,4\}$$
   解释

   从 X 列读取可能值。

   步骤依据

   直接在表格中显示。

   视频直接表达
2. 公式

   $$0.1+0.15+0.4+0.25+0.1=1$$
   解释

   将 P(x) 列中的所有概率相加。

   步骤依据

   说话者在音频中明确执行此检查。

   视频直接表达
3. 公式

   $$E(X)=\mu_x$$
   解释

   写出期望值记号并将其确定为均值。

   步骤依据

   在屏幕上以红色显示并在口头上解释。

   视频直接表达
4. 公式

   $$$$
   解释

   通过使用其概率对结果进行加权求和来计算期望值。

   步骤依据

   口头陈述为方法；在片段结束前未出现完成的表达式。

   视频直接表达

开头区间确立有效离散分布及 E(X)=μ_x；后续区间完成加权和的计算。

片段中显示的验证是概率求和检查 0.1+0.15+0.4+0.25+0.1=1 以及观察到没有概率为负。

1. 公式
   观察依据

   表格列出 X 的取值 0、1、2、3、4 及对应的 P(X) 值。

2. 声音
   观察依据

   讲解根据锻炼次数分布表计算均值。

3. 公式
   观察依据

   本区间建立并化简加权项；本条提前给出的最终值是编辑求和，已由完整视频结尾核实。

给定一周内锻炼次数的概率分布，计算期望值（均值）。

1. X = 一周锻炼的次数

2. P(X=0) = 0.1

3. P(X=1) = 0.15

4. P(X=2) = 0.4

5. P(X=3) = 0.25

6. P(X=4) = 0.1

求 E(X)。

1. 公式

   $$0(0.1) + 1(0.15) + 2(0.4) + 3(0.25) + 4(0.1)$$
   解释

   将每个结果乘以其概率。

   步骤依据

   期望值公式。

   视频直接表达
2. 公式

   $$0 + 0.15 + 0.8 + 0.75 + 0.4$$
   解释

   简化乘积。

   步骤依据

   基本算术。

   视频直接表达
3. 公式

   $$2.1$$
   解释

   将简化后的项相加。

   步骤依据

   编辑根据所示加权项求和；原片在后续区间完成最终相加。

   补充解释

E(X) = 2.1

表格与乘积项和画面准备过程一致；原片在后续区间完成最终求和，本区间尚未写完。

1. 公式
   观察依据

   黑板定义“X = 一周锻炼的次数”并列出完整的概率表。

2. 声音
   观察依据

   讲解计算周均值，再讨论较长时期的含义。

给定每周锻炼次数的离散分布，计算每周锻炼次数的期望值并解释结果。

1. X = 一周内的锻炼次数。

2. P(X=0)=0.1

3. P(X=1)=0.15

4. P(X=2)=0.4

5. P(X=3)=0.25

6. P(X=4)=0.1

7. 解释总次数的期望时，各周均服从所示的同一边际分布。

求 E(X) 并解释在此背景下非整数均值的含义。

1. 公式

   $$E(X)=0(0.1)+1(0.15)+2(0.4)+3(0.25)+4(0.1)$$
   解释

   将期望值公式应用于表格。

   步骤依据

   离散随机变量期望的定义。

   视频直接表达
2. 公式

   $$=0.15+0.8+0.75+0.4$$
   解释

   评估每个乘积并省略零项。

   步骤依据

   算术简化。

   视频直接表达
3. 公式

   $$=2.1$$
   解释

   求和小数以获得均值。

   步骤依据

   黑板上显示的垂直加法。

   视频直接表达
4. 公式

   $$10E(X)=21,\quad 100E(X)=210$$
   解释

   在各周边际分布相同的条件下，按周数缩放均值，得到总次数的期望。

   步骤依据

   期望的线性性；总次数的期望不要求独立性。

   补充解释

E(X)=2.1，即每周锻炼次数的期望。各周都服从这一边际分布时，总次数的期望为 21（10 周）与 210（100 周）；这不保证实际总次数。

算术与显示的乘积及最终框出的值 2.1 相符。

1. 图示
   观察依据

   黑色背景，带有白色手写定义和两列表格。

2. 动画
   观察依据

   在约 25 秒时，在 X 附近添加了绿色标签“discrete”。

3. 动画
   观察依据

   在约 47-70 秒时，在表格右侧写入了红色记号 E(X)，然后是 E(X)=μ_x。

1. 定义行“X = 一周锻炼的次数”

2. 带有表头 X 和 P(x) 的两列表格

3. 绿色注释“discrete”

4. 红色注释“E(X)”

5. 红色方程“E(X)=μ_x”

1. 在约 25 秒时，在 X 附近用绿色添加了单词“discrete”。

2. 在约 47 秒时，在表格右侧用红色写入了“E(X)”。

3. 到约 70 秒时，红色记号扩展为“E(X)=μ_x”。

1. X 的原始定义在整个过程中保持可见。

2. 概率表在整个片段中保持不变。

视觉序列从定义离散随机变量及其分布移动到引入其期望值/均值的记号。

1. 动画
   观察依据

   讲解者计算每一项时，表格相应行周围出现彩色方框。

1. X 与 P(X) 的表格

2. 彩色高亮方框

1. 方框依次出现以匹配方程中正在书写的各项。

1. 表格中的数值在整个视频中保持不变。

在视觉上建立抽象公式组件与其在概率分布表中特定数据源之间的联系。

1. 图示
   观察依据

   左侧显示一个带有表头 X 和 P(X) 的表格。

2. 图示
   观察依据

   行用不同颜色勾勒，与期望和式中的项匹配。

1. X 值 0,1,2,3,4 的表格

2. 对应的概率 0.1,0.15,0.4,0.25,0.1

3. 方程中颜色编码的乘积项

1. 表格的每一行在视觉上与 E(X) 中的一个乘积项配对。

1. 表格在整个片段中保持可见。

2. 行与项之间的映射保持一致。

颜色编码明确表明每个结果-概率对为期望值贡献一项。

1. 图示
   观察依据

   非零乘积被重写为垂直列：0.15, 0.8, 0.75, 0.4。

2. 图示
   观察依据

   加法期间列上方出现进位标记。

3. 图示
   观察依据

   和 2.10 写在线下方。

1. 小数项的垂直列表

2. 进位数字

3. 求和线

4. 结果 2.10

1. 项从水平和式重排为垂直加法。

2. 计算过程中添加进位标记。

3. 最终结果在概念上简化为 2.1。

1. 始终相加相同的四个非零项。

动画演示了期望值表达式的算术评估。

1. 图示
   观察依据

   值 2.1 被框起来。

2. 声音
   观察依据

   讲解从框出的结果转向多周平均的解释。

1. 框出的 2.1

2. 概率表

3. 演讲者的光标/指针移动

1. 注意力从计算转移到解释。

2. 当演讲者解释多周平均时，框出的均值成为焦点对象。

1. 数值 2.1 不变。

视觉强调支持了这样一个概念观点：均值是一个汇总统计量，而不是字面上的单周结果。

1. 声音
   观察依据

   讲解排除负概率。

人们可能认为概率分布可以包含负项。

视频明确拒绝负概率，认为其对概率分布没有意义。

1. 声音
   观察依据

   讲解以有限取值例子解释离散的名称。

1. 片段给出了此示例的有限值解释，但未讨论可数无限的离散变量。

学习者可能仅从此片段推断离散性要求恰好是有限值列表。

本例有限取值 0,1,2,3,4，足以说明其离散性。一般离散分布也可以有可数无限支持；有限取值是充分条件，并非必要条件。

1. 声音
   观察依据

   讲解说明均值不一定是可能发生的单周结果。

2. 声音
   观察依据

   讲解说明均值不一定是可能发生的单周结果。

因为列出的所有结果都是整数，人们可能认为期望值也必须是整数或代表实际的周结果。

期望值是分布上的加权平均，因此即使每个实现的结果都是整数值，它也可以是非整数。

1. 声音
   观察依据

   讲解利用非整数均值解释较长时期的总量。

2. 声音
   观察依据

   讲解利用非整数均值解释较长时期的总量。

人们可能会因为没人能在一周内恰好完成 2.1 次锻炼而轻视 2.1 是无意义的。

多次变量都服从这个固定分布时，线性性给出总次数的期望 nE(X)，此恒等式不要求独立。独立同分布重复抽样时，样本平均趋向均值；两者都不保证任何有限样本的实际总次数。

1. 声音
   观察依据

   讲解将有限取值的锻炼次数归为离散随机变量。

2. 公式
   观察依据

   表格仅列出 X 的五个值。

离散随机变量的定义应用于锻炼示例中的特定变量 X。

1. 声音
   观察依据

   表格提供有效性检查所需的概率项。

2. 公式
   观察依据

   概率从表格中读取。

有效性测试应用于显示的概率分布表。

1. 公式
   观察依据

   红色方程写为 E(X)=μ_x。

2. 声音
   观察依据

   期望与均值记号指同一分布量。

在此片段中，E(X) 和 μ_x 被呈现为同一量（X 的均值）的等效记号。

1. 声音
   观察依据

   讲解将加权求和方法应用于期望。

加权和程序是视频给出的用于计算刚刚引入的期望值的方法。

1. 公式
   观察依据

   表格值被直接代入显示的期望和中。

概率分布表提供了期望公式中使用的 x 值和概率。

1. 声音
   观察依据

   算出均值后，讲解转向其含义。

有限分布的均值可以用总次数的期望来解释，也可在适当重复抽样条件下用长期样本平均解释；它不是单周实际结果。

1. 公式
   观察依据

   推导以框出的值 2.1 结束。

声明 E(X)=2.1 依赖于之前显示的完成的期望计算。

1. 声音
   观察依据

   讲解区分平均值与单次结果必须是整数的限制。

均值的长期含义与期望值必须是可达到的单一结果的错误观念形成对比。

1. 公式
   观察依据

   顶行定义 X = 一周锻炼的次数。

2. 声音
   观察依据

   例题定义每周次数这个随机变量。

1. X
2. X 的概率分布表

1. 声音
   观察依据

   该例子列出有限个可能取值。

2. 动画
   观察依据

   添加了绿色标签“discrete”。

1. 此示例中的离散随机变量
2. discrete

1. 声音
   观察依据

   讲解检查总概率与概率符号。

2. 公式
   观察依据

   可见概率 0.1, 0.15, 0.4, 0.25, 0.1。

1. 显示的概率分布的有效性条件
2. 检查概率之和为 1

1. 公式
   观察依据

   写入了红色方程 E(X)=μ_x。

2. 声音
   观察依据

   讲解将期望与均值记号联系起来。

1. 期望值记号及含义
2. E(X)
3. μ_x

1. 声音
   观察依据

   讲解提出加权求和方法。

1. 本开头区间说明方法；同一完整视频在后续区间算出数值。

1. 将期望值计算为加权和
2. 计算 E(X) 的陈述程序

1. 声音
   观察依据

   讲解建立并化简加权项；最终相加在后续区间继续。

1. 离散随机变量期望值的公式

1. 公式
   观察依据

   完整的期望表达式被写出并评估。

1. 离散随机变量的期望值公式
2. 期望值的逐步计算
3. 每周锻炼次数的期望值示例

1. 公式
   观察依据

   框出的结果是 2.1。

2. 声音
   观察依据

   算术过程得出所示分布表的均值。

1. 计算出的期望值等于 2.1
2. 期望值的逐步计算

1. 声音
   观察依据

   讲解讨论非整数均值。

1. 整数值随机变量可以有非整数均值
2. 误将均值当作可能的单次试验结果
3. 期望值的长期解释

1. 声音
   观察依据

   较长时期的例子用于说明均值含义。

1. 期望值的长期解释
2. 每周锻炼次数的期望值示例