离散型与连续型随机变量期望计算，核心差异体现在运算形式、适用分布和解题步骤上。禾虎对比两类期望的计算规则、适用前提、应试技巧，帮考生精准区分、规范答题，避免运算失误。

核心运算形式与底层逻辑不同

离散型随机变量期望采用**求和运算**，依托分布律展开计算，将随机变量取值与对应概率相乘后累加，运算对象为离散数值与对应概率，无需考虑区间范围，直接逐项核算即可。连续型随机变量期望采用**积分运算**，依托概率密度函数计算，在随机变量 entire 取值区间内，对变量取值与密度函数的乘积做定积分，依赖微积分运算规则，需明确积分上下限与被积函数。

适用前提与数据载体不同

离散型随机变量期望计算，前提是已知完整分布律，随机变量取值为有限个或可列无穷个，数据呈现点状分布，需先梳理取值集合与对应概率，保证概率之和为1，再开展求和运算。连续型随机变量期望计算，前提是已知概率密度函数，随机变量取值为某一区间内的连续实数，需先验证密度函数满足规范性，再确定积分区间，避免积分范围出错。

应试解题步骤与易错点不同

离散型期望解题先列分布律、核对概率和、逐项相乘求和，易错点为漏算取值、概率对应错误。连续型期望解题先确定密度函数、划定积分区间、求解定积分，易错点为积分上下限混淆、被积函数变形失误。两类计算均需先判断变量类型，再选用对应运算方式，不可混用求和与积分规则。

离散型随机变量期望靠求和运算、依托分布律求解，连续型随机变量期望靠积分运算、依托密度函数求解，禾虎考研认为，牢牢把握运算形式、数据载体、解题步骤三大差异，精准判定变量类型，就能规范完成期望计算，稳稳拿下概率论相关考题分值。