Gayri resmi olarak, bir olasılık dağılımı rastgele bir değişkenin sonuçlarının göreli sıklığını tanımlar - beklenen değer, bu sonuçların ağırlıklı bir ortalaması olarak düşünülebilir (göreceli frekans tarafından ağırlıklandırılmış). Benzer şekilde, beklenen değer, oluşma olasılıklarıyla tam orantılı olarak üretilen bir dizi sayının aritmetik ortalaması olarak düşünülebilir (sürekli rastgele değişken olması durumunda, bu, spesifik değerler olasılık 0'a sahip olduğundan tam olarak doğru değildir ).0
Beklenen değer ile aritmetik ortalama arasındaki bağlantı en çok beklenen değerin olduğu kesikli bir rasgele değişkenle açıktır.
E( X) = ∑Sx P( X= x )
burada örnek alandır. Örnek olarak, şöyle bir ayrık rastgele değişken X'e sahip olduğunuzu varsayalım :SX
X= ⎧⎩⎨123olasılık ile 1 / 8olasılık ile 3 / 8olasılık ile 1 / 2
Kendisine, olasılık yoğunluk fonksiyonu , p ( x = 2 ) = 3 / 8 ve P ( x = 3 ) = 1 / 2 . Yukarıdaki formülü kullanarak, beklenen değerP( X= 1 ) = 1 / 8P(X= 2 ) = 3 / 8P(X= 3 ) = 1 / 2
E( X) = 1 ⋅ ( 1 / 8 ) + 2 ⋅ ( 3 / 8 ) + 3 ⋅ ( 1 / 2 ) = 2.375
Şimdi, olasılık kütle işleviyle tam olarak orantılı frekanslarla üretilen sayıları düşünün - örneğin, sayı kümelerini , 3 , 3 } - iki 1 s, altı 2 s ve sekiz 3 s. Şimdi bu sayıların aritmetik ortalamasını alın:{ 1 , 1 , 2 , 2 , 2 , 2 , 2 , 2 , 3 , 3 , 3 , 3 , 3 , 3 , 3 , 3 }123
1 + 1 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 3 + 3 + 3 + 3 + 3 + 3 + 3 + 316= 2.375
ve beklenen değere tam olarak eşit olduğunu görebilirsiniz.