不知你说的理论些是多理论,如果你觉得下面的太难或者太简单,我还可以进行修改。条件概率直接决定条件期望的大小。设X,Y是两个离散的随机变量,X可能的取值是x1,x2,...,xm;Y可能的取值是y1,y2,...,yn。那么如果已经知道X,Y的联合概率分布,即知道:Pr(X=xi,Y=yj)是多少的话(Pr(A)是说A的概率,i=1,2,...,m;j=1,2,..,n,此表达式的含义就是随机变量X取第i个结果,同时Y取第j个结果的概率),那么X,Y的条件概率就可以表达为:Pr(X=xi|Y=Yj)(含义是给定随机变量Y取第j个数,在这种情况下X取第i个数的概率,竖线右边的事件是条件事件),它等于Pr(X=xi,Y=yj)/Pr(Y=Yj)。此时,在给定Y=Yj这一条件下,X的条件期望是:E(X|Y=Yj)=Sum(i从1到m){xi*Pr(X=xi|Y=Yj)}(Sum是求和)。所以,条件期望和条件概率的关系就和普通的期望-概率关系一样,知道条件概率分布就可以求条件期望,但是反过来不可以。如果X是连续型随机变量,那么求和符号要变成定积分,但其原理还是和上面一样的。注意任何条件期望的计算都必须讲清楚条件,不给条件求条件期望是不可能的。有时候我们把E(X|Y=y)简写为E(X|Y),但是这只是为了方便。要求条件期望,必须知道条件分布,求条件分布的公式,在离散情况下就是Pr(X=xi,Y=yj)/Pr(Y=Yj),连续情况下另有公式,为{偏导数F(x,y)对y/f(y)}。F(x,y)为X和Y的联合分布函数,f(y)为Y的分布密度函数。你如果需要知道这个再问。另外,条件事件不一定是Y=y,也可以是任何关于随机变量Y的函数方程,比如:E(X|Y^2<=4),这就是说,给定Y的取值范围是(-2,2),求X的平均值。此时就需要用到二重积分,因为Y的取值已经是一个区间了,合上X可能取值的范围,就组成了一个平面区域,所以要对x,y的联合分布密度函数f(x,y)二重积分来计算。