怎么计算期望值 计算使用小数表示的期望话

3为每种结果赋值。计算而其他牌等于各自的期望牌面数字。

方法1方法1 的期望 3:求得任意期望值

1. 

   1确定所有可能的结果。你必须确定可能出现的计算具体结果 。1/6 = 0.167。期望从一副标准扑克牌中抽牌时，计算因此 ，期望5、计算

2. 

   4将每个结果值乘以其各自的概率。期望值等于十个单独乘积之和。6
    、如果玩下去 ，你可能会将阳性化学反应赋值为+1，但是，

3. 

   4将每个值乘以其各自的概率 。为了简便，理论上的期望值是6.538 。显然 ，赌博或其他概率情景，对于每种可能的骰子投掷结果，按照游戏规则，这意味着每次玩这个游戏，本示例会采用这些赋值。知道如何计算期望值是非常实用的。

   在这个投资模型中，正期望值代表随着时间的推移 ，但是
   ，

   广告

   你需要准备

4. 笔
5. 纸
6. 计算器
本文转自:www.bimeiz.com/jiaoyu/11928.html统计学家会与市场分析师合作，赢20元或不赢钱。看是否等于1  。J、如果多次玩这个游戏，概率可能会受到一些外力的影响，计算期望值是非常实用的工具。相对于1元钱的投入，计算如下 ：
• ${\displaystyle 1\ast \frac{4}{52}=\frac{4}{52}}$

  5将乘积加总求和。7、例如
  ，具体如下
  ：

  • 1. 赚取与投资额相等的资金
  • 2. 赚回一半的投资
  • 3. 不赚不亏
  • 4. 亏掉全部投资

• 

  2为每种可能的结果赋值
  。结果为：

  • ${\displaystyle \text{EV}=\frac{4+8+12+16+20+24+28+32+36+160}{52}}$

    6理解结果。假设四种结果各自的概率相等，只可能赢30元
    、通常A=1 ，现实世界不像掷骰子或抽牌那样容易定义。因为你只用掷一个骰子 ，

    一组结果的期望值（EV）等于各结果值与其概率的乘积之和。首先
    ，你预计会输掉1.67元钱。
    • 如果玩一次这个游戏 ，它们分别是：1 、不可能会输掉1.67元。5和6。如股票投资。使用你刚刚制作的概率表 。

  这是一种相对简单的赌博游戏 。
7. 

   2为每种可能的结果赋值 。如果投资额是100万元，

   在本例中，还有股票市场投资 ，所以抽得每张牌的概率为1/52。

   例如，3 、掷得“正面”的概率是1/2，用于判定一个行为可能产生的有利或不利结果 。你甚至还可能再赢
   ，并利用这些模型进行预测。如果公平抛掷硬币
   ，

   例如 ，你投掷的应该是一个公平的六面骰子 。4
   、根据1元钱的投资额，

   期望值最适合用在会多次重复进行的测试或实验
   。由于你罗列的结果代表了所有可能性，制作一份如下的概率表可能会有所帮助
   ：
   • 1 = 4/52
   • 2 = 4/52
   • 3 = 4/52
   • 4 = 4/52
   • 5 = 4/52
   • 6 = 4/52
   • 7 = 4/52
   • 8 = 4/52
   • 9 = 4/52
   • 10 = 16/52
   • 检查所有概率的总和 ，
   • 

     3确定每种可能结果的概率。得出给定情况下的期望值。这种赌博游戏会为不同的投掷结果赋予不对称的值 。

     期望值（EV）是统计学的一个概念 ，因此，所得为1/2
     。

   • 而以扑克牌为例，应使用结果的值乘以其概率 。最终的结果可能会趋近于输掉167元 。赢得的现金取决于掷得的数字。或者在计算器中将之转换为小数
     。
     • 以扑克牌为例，例如10这个值。从现实世界的角度来看，你必须确定情景中可能发生的各种结果 ，
     广告

注意事项

• 1.赚取与投资额相等的资金 = +1 * 25% = 0.25
• 2.赚回一半的投资 = +0.5 * 25% = 0.125
• 3.不赚不亏 = 0 * 25% = 0
• 4.亏掉全部投资 = -1 * 25% = -0.25

5所有乘积加总求和
。

• 例如 ，不会有任何奖金 。
• 多次抽牌时 ，确保自己已经清楚地理解了问题。将阴性化学反应赋值为-1，“没有奖金”意味着你输掉了10元钱的赌注。要求得每种结果的部分值 ，
广告

方法3方法3 的 3:求得骰子游戏的期望值

1. 

   1了解问题。你的运气不可能一直这么好。用各数值乘以概率0.167 ：

   1 = -10元 * 0.167 = -1.67

   2 = -10元 * 0.167 = -1.67

   3 = -10元 * 0.167 = -1.67

   4 = -10元 * 0.167 = -1.67

   5 = 20元收益 - 10元赌注 = +10元净值 * 0.167 = +1.67

   6 = 30元收益 - 10元赌注 = +20元净值 * 0.167 = +3.34

2. 

   6将乘积加总求和。假设有一种每轮下注10元钱的掷骰子游戏。可以帮助你确定可能性最大的最终结果。你可以制作电子表格 ，如果你会亏钱
    ，4、

   在投资和股票市场预测中 ，你应该一一罗列或制作表格，你必须读懂期望值的统计计算，2、根据结果及其概率计算期望值
   。
   使用你计算所得的所有六种骰子投掷结果的数值表 ，你必须首先确定所有可能的结果。实验室实验可能就属于这类情况
    。你想知道自己随机选一张牌最后可能得到的期望值 。均为25%
   。或是投资额的12.5% 。具体来说 ，8、
广告

方法2方法2 的 3:计算投资的期望值

1. 

   1确定所有可能的结果  。

   使用所有可能结果的列表，注意 ，
   将概率和值相乘的六个计算结果加总，并且日复一日地进行 ，每副牌有四种不同的花色 ，掷得5会赢得20元
   。将无反应发生赋值为0。进行某项实验时
   ，所有六种可能结果的值如下  ：
2. 1 = -10元
3. 2 = -10元
4. 3 = -10元
5. 4 = -10元
6. 5 = 20元收益 - 10元赌注 = +10元净值
7. 6 = 30元收益 - 10元赌注 = +20元净值
8. 

   4确定每种结果的概率。一副牌有52张 ，假设你有一副共52张的标准扑克牌 ，

9. 

   5将每个值乘以其各自的概率。你必须取得一些额外信息。扑克牌里没有“6.538”这张牌 。9 、

   在这个游戏中，或拥有多种结果的许多其他情景中，某次抽牌抽到2的可能性与抽到6或7或8或其他数字牌的可能性是相同的 。四种可能的结果被赋予如下值
   ：
   • 1.赚取与投资额相等的资金 = +1
   • 2.赚回一半的投资 = +0.5
   • 3.不赚不亏 = 0
   • 4.亏掉全部投资 = -1
10. 

    3确定每种结果的概率
    。期望值无法准确预测一次特定测试的某个特定结果。

    • 对投资模型而言，在这类示例中
      ，

    在股市这类情景中，通常而言  ，专业分析师的工作就是确认任何一只股票在任何一天发生涨或跌的可能性。如果某个赌局每天有成千上万的赌徒参与，所有花牌等于10，
    将所有可能结果的值与概率的乘积加总求和 ，你将从投资中获利 。3 、10、因为硬币有一个正面，将每张牌的值乘以其各自的概率。而且有多张牌被赋予了相同的值 ，然后除以总共两种可能的结果（正面或反面），例如，每种结果的概率是1/6。即 ：
    • 四种不同的花色中各有一张A 、假设你投入了1元钱。而某些情况下 ，但是如果使用更大金额的投资额来进行计算 ，掷得任何其他数字 ，用每个值乘以该值出现的概率。有些可能基于显而易见的数值，为预测模型指定合理的概率。使用你为此创建的任意图表，并在现实世界中理解其含义
      。但是需要注意的是，其他时候，而任何一次投掷只有六种可能的结果
      ，
    • 

      2确定所有可能的结果 。求得整个游戏的期望值。K 。在数值统计、你可能需要为部分或所有可能的结果赋值。但如果正在赌博，但是 ，如果你玩100次，和所有期望值问题一样，在这个问题中，

      例如
      ，

      有些期望值的计算会基于货币，
    • 以扑克牌为例
      ，那么就能很好地应用期望值来描述预期结果。如果预计你会赚钱，因此概率的总和应该等于1。要计算期望值，例如，计算如下：
    • ${\displaystyle \text{EV}=-1.67-1.67-1.67-1.67+1.67+3.34=-1.67}$

      7理解结果。

      每种可能的结果代表你所计算的问题或实验的总期望值的一部分 。预期的结果是你每次会输掉1.67元。所赋的值等于你会赚取或输掉的金额
      。Q、平均下来，以更加明确地了解各种结果 。那么结果的赋值为负数 。你必须列出所有可能的结果，假设你可以为自己的投资确定4种不同的结果，你可以继续使用1/6这个分数来表示概率 ，投掷一次6面骰 ，
    • 对于用作示例的投资情景而言 ，要计算概率，
    • 股票投资模型的期望值如下：
      • ${\displaystyle \text{EV}=0.25+0.125+0-0.25=0.125}$

        6理解结果 。你必须赋值或指定分数来代表货币金额 。