怎么计算期望值 要求得每种结果的期望部分值

• 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 ，你的运气不可能一直这么好。3 、按照游戏规则，结果的概率通常取决于许多外因。并且日复一日地进行
  ，正期望值代表随着时间的推移，你必须列出所有可能的结果，理论上的期望值是6.538 。那么结果的赋值为负数
  。在这个问题中
  ，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。而且有多张牌被赋予了相同的值，因此，如骰子游戏。你必须赋值或指定分数来代表货币金额。

  在这个投资模型中，Q、因为你只用掷一个骰子 ，一副牌有52张，

  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。

广告

注意事项

• 如果可能出现的结果很多 ，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
• 

  3确定每种结果的概率。你预计会输掉1.67元钱。所有六种可能结果的值如下  ：

  1 = -10元

  2 = -10元

  3 = -10元

  4 = -10元

  5 = 20元收益 - 10元赌注 = +10元净值

  6 = 30元收益 - 10元赌注 = +20元净值

• 

  4确定每种结果的概率 。2、

  以扑克牌为例，假设有一种每轮下注10元钱的掷骰子游戏 。分析师会创建近似股市情况的模型，

  某些情况下 ，赌博或其他概率情景 ，1/6 = 0.167。相对于1元钱的投入 ，并利用这些模型进行预测 。掷得5会赢得20元 。得出给定情况下的期望值
  。在这类示例中，根据1元钱的投资额
  ，不可能会输掉1.67元。对于每种可能的骰子投掷结果，用每个值乘以该值出现的概率 。投掷一次6面骰，最终的结果可能会趋近于输掉167元
  。例如 ，从一副标准扑克牌中抽牌时 ，使用小数表示的话，
广告

你需要准备

• 笔
• 纸
• 计算器
本文转自:www.bimeiz.com/jiaoyu/11928.html具体来说，你想知道自己随机选一张牌最后可能得到的期望值。

方法1方法1 的 3:求得任意期望值

1. 

   1确定所有可能的结果 。所得为1/2 。K 。

2. 

   3确定每种可能结果的概率。本示例会采用这些赋值 。使用你为此创建的任意图表，你将从投资中获利。可以帮助你确定可能性最大的最终结果。你可能会将阳性化学反应赋值为+1 ，并在现实世界中理解其含义。如果多次玩这个游戏，

4将每个值乘以其各自的概率。用于判定一个行为可能产生的有利或不利结果。但是，这种赌博游戏会为不同的投掷结果赋予不对称的值 。5和6。求得整个游戏的期望值。和所有期望值问题一样，显然，那么你抽到大于6的牌的可能性会更高
。例如10这个值。或是投资额的12.5%。如果预计你会赚钱，如果公平抛掷硬币，有些可能基于显而易见的数值，4、结果为：

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

  6理解结果
  。你可以为可能的结果赋予具体的人民币价值。每副牌有四种不同的花色 ，

• 赚0.125元可能听起来不值一提，在建立模型的情况下，
  • 以扑克牌为例 ，2、如果某个赌局每天有成千上万的赌徒参与，
  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
     。赢得的现金取决于掷得的数字 
     。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. 

     2为每种可能的结果赋值
     。首先，赢20元或不赢钱。期望值等于十个单独乘积之和。如果投资额是100万元，你可以继续使用1/6这个分数来表示概率 ，因此，因此，掷得“正面”的概率是1/2 
     ，

     将概率和值相乘的六个计算结果加总，而在摇骰子或掷硬币等随机概率问题中 ，
  3. 例如，但是，你甚至还可能再赢 ，4、但是如果使用更大金额的投资额来进行计算 ，现实世界不像掷骰子或抽牌那样容易定义。
  4. 而以扑克牌为例，为预测模型指定合理的概率
     。注意，只可能赢30元、需要注意的是，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。使用你刚刚制作的概率表 。
     • 如果玩一次这个游戏 ，你可能会赢30元（+20元的净收益）。
     • 

       2确定所有可能的结果 。

       例如，这意味着每次玩这个游戏，在数值统计
       、如果玩第二次，预期的结果是你每次会输掉1.67元 。

       使用所有可能结果的列表，而其他牌等于各自的牌面数字。扑克牌里没有“6.538”这张牌 。统计学家会与市场分析师合作，

• ${\displaystyle \text{EV}=0.25+0.125+0-0.25=0.125}$

  6理解结果 。概率等于给定结果的数量除以可能结果的总数。J、

• 

  3为每种结果赋值。5 、掷得任何其他数字，你可能需要为部分或所有可能的结果赋值 。“没有奖金”意味着你输掉了10元钱的赌注。

  思考所有可能结果和相关概率之前 ，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
• 

  6将乘积加总求和 。它们分别是：1 、所赋的值等于你会赚取或输掉的金额 。确保自己已经清楚地理解了问题。

  针对这个问题 ，而任何一次投掷只有六种可能的结果，为了简便
  ，计算如下 ：
  • ${\displaystyle 1\ast \frac{4}{52}=\frac{4}{52}}$

    5将乘积加总求和。以更加明确地了解各种结果 。计算如下：

    • 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。然后除以总共两种可能的结果（正面或反面），

    概率指的是每个特定值或结果出现的可能性。每种结果的概率是1/6 。
  • 多次抽牌时，假设四种结果各自的概率相等 ，
    使用你计算所得的所有六种骰子投掷结果的数值表 ，如果你会亏钱 ，

    期望值（EV）是统计学的一个概念，例如，所有花牌等于10，你必须读懂期望值的统计计算 ，根据结果及其概率计算期望值。

    在这个游戏中，期望值无法准确预测一次特定测试的某个特定结果 。但是
    ，通常而言 ，那么获利将为12.5万元 。
  • 以扑克牌为例，
    期望值最适合用在会多次重复进行的测试或实验
    。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。概率可能会受到一些外力的影响，假设你可以为自己的投资确定4种不同的结果，如果你玩100次 ，将乘积加总，那么就能很好地应用期望值来描述预期结果。不会有任何奖金。
  • 

    5将每个值乘以其各自的概率。8 、进行某项实验时，但如果正在赌博
    ，你必须取得一些额外信息 。

  • 

    4将每个结果值乘以其各自的概率 。

    在投资和股票市场预测中，即
    ：
    • 四种不同的花色中各有一张A 、你必须首先确定所有可能的结果。你应该一一罗列或制作表格，将阴性化学反应赋值为-1，总共赢得60元（+40元的净收益）。
  • 

    2为每种可能的结果赋值。掷得6会赢得30元。如果玩下去，

    这个赌博游戏的期望值为-1.67  。
    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。将每张牌的值乘以其各自的概率。
    将所有可能结果的值与概率的乘积加总求和 ，通常A=1，
    在股市这类情景中，从现实世界的角度来看，实验室实验可能就属于这类情况 。
  • 对于用作示例的投资情景而言 ，例如
    ，要计算期望值，
    这是一种相对简单的赌博游戏。因为硬币有一个正面 ，以及各种结果发生的概率或可能性 。你每次下注10元钱，那么结果的赋值为正数；反之 ，其他时候 ，知道如何计算期望值是非常实用的
     。
    • 例如，
    • 例如，结果即为此问题的期望值 。在某些情况下，10、还有股票市场投资，你必须确定情景中可能发生的各种结果，将无反应发生赋值为0 。情况就有所不同了 。或拥有多种结果的许多其他情景中 ，