数学期望在什么情况下不存在呢？ 离散型随机2113变量X取可列个值时，它的数学期望要求级数∑5261|xi|pi收敛，否则数学期望不4102存在；1653 连续型随机变量若在无限区间上取值，其数学期望是一个广义积分，要求积分绝对收敛，否则数学期望不存在.例如：柯西分布的数学期望EX就不存在。数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。需要注意的是，期望值并不一定等同于常识中的“期望”—“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。扩展资料：数学期望的应用1、经济决策假设某一超市出售的某种商品，每周的需求量X在10至30范围内等可能取值，该商品的进货量也在10至30范围内等可能取值（每周只进一次货）超市每销售一单位商品可获利500元，若供大于求，则削价处理，每处理一单位商品亏损100元。若供不应求，可从其他超市调拨，此时超市商品可获利300元。试计算进货量多少时，超市可获得最佳利润？并求出最大利润的期望值。分析：由于该商品的需求量。
怎么判断一个变量是否存在数学期望 根据定义：对于离散变量：数学期望是每个概率和对应的值的积的和：E(X)=x1p1+.+XnPn对于连续变量：E(X)=integral i-n(XiPi)变量存在它对应的数学期望：当然得有一个样本，并且对于样本中的每个值都要有一个概率.这样才能根据公式算出这个样本的变量的期望值.
E(X)=E(E(X|Y))的直观意义是什么？ 取自随机过程书上的一个问题 直观意义就是，要算总的平均，等于先去算在各种条件下的平均，然后再取一次平均。举个例子，假如一个学校高三有2个班，一个尖子班，一个平行班。
为什么期望的存在要判定其绝对收敛呢？ 数学期2113望定义是E(X)=S xf(x)dx；由大数定理和中心极5261限定理知，当从总体4102抽出的样本数很大时，其1653样本值的算术平均值就趣向与总的期望（当然我说的是离散型的 连续可作类似的理解），因为抽样是随机的，所以通过从总体中抽样算出的总体的期望就要求级数Sxf(x)dx应不因项的顺序变化而改变其和，对于积分也应满足这一要求。而Sxf(x)dx应不因项的顺序变化而改变其和（比如交错级数收敛，但其偶数项或奇数项不一定收敛）也要求它绝对收敛。所以数学期望要求Sxf(x)dx绝对收敛，Sxf(x)dx绝对收敛一定能推出Sxf(x)dx收敛，推出数学期望存在。故级数Sxf(x)dx收敛是期望存在的充分必要条件。
为什么在定义随机变量的数学期望时，要求其为绝对收敛呢？ 数学期望定义是E(X)=S xf(x)dx；单从式子的意义来看只要Sxf(x)dx收敛就行了（所以数学期望计算的就是条件收敛的值。但“期望”要强加级数Sxf(x)dx为绝对收敛这一条件，这是。
离散型随机变量的数学期望存在为什么必须级数绝对收敛？
如何举例说明数学期望有时是不存在的？ 另一的例子举得很好，但是没有答到点子上。数学期望的定义里要求定义式是绝对收敛的，出发点是，当…
关于概率论中数学期望的定义 在这里所谓绝对收敛，就是给xi取了绝对值（因为概率P是恒不为负的），但是大家都知道，xi其实是可以取正负的，取绝对值后，趋于正无穷后，可以收敛于某一个数。。
