दिलचस्प बात यह है की तुलना में अधिक सामान्य अवधारणा उम्मीद मूल्य है स्थान । इस प्रकार, अपेक्षित मूल्य की अवधारणा के कुछ निहितार्थ हैं जो सूक्ष्म निहितार्थ हैं।
यह सवाल करना वाजिब है कि मरने के प्रत्याशित परिणाम के साथ 3.5 का क्या मतलब है। इसका उत्तर यह है कि यद्यपि लुढ़का हुआ पासा परिणामों का औसत मूल्य 3.5 है, कि अपेक्षित मूल्य अवधारणा केवल औसत या औसत मूल्य का संकेत देती है, और केवल सीमित वर्ग के कार्यों के लिए एक उम्मीद है, यहां प्रश्न के लिए विशिष्ट मर रोल शामिल नहीं है। परिणामों। इसे दूसरे तरीके से रखने के लिए, हालांकि औसत रोल परिणाम 3.5 है, तो क्या? पर्याप्त रूप से, कोई एक संदर्भ (कुछ वैकल्पिक ब्रह्मांड में) का आविष्कार कर सकता है, जहां एक औसत मूल्य का अर्थ है, लेकिन, परिणाम मर जाते हैं भुगतान , और परिणाम$ 1 ≥ 4≤3$1≥4 $ 1 खो देता है, साथ ही एक औसत के रूप में काम करता है, जिसका लाभ वास्तव में इस ब्रह्मांड में परिणाम है।
शब्द "अपेक्षित मूल्य" और "माध्य मान" के बीच असमान रूप से प्रतिबंधित एसोसिएशन का कारण शब्दार्थिक रूप से सही है, या विशेष रूप से अस्पष्ट है। यही है, वह संदर्भ जिसमें एक परिकलित अपेक्षित मान डेटा सेट में किसी स्थान की विशेषता व्यवहार की अपेक्षा के अनुरूप है, डेटा के केवल कुछ वितरणों तक सीमित है, और अन्य नहीं।
यह ऐतिहासिक है जो सांख्यिकीय क्षणों की धारणा द्वारा समर्थित है। यह व्यापक रूप से स्वीकार किया जाता है कि 1887 में कठोरता के आधुनिक मानकों तक कठोरता के आधुनिक मानकों तक केंद्रीय सीमा प्रमेय का पहला प्रमाण दिया गया था। उनके तर्क ने क्षणों की विधि पेश की। । अब का पहला क्षण चेबीशेव के लिए था, जो एक बोरेल सेट का औसत मूल्य था । एक औसत मूल्य की अवधारणा इस प्रकार सामान्य वितरण के लिए एक अपेक्षित मूल्य है, अर्थात्, घनत्व फ़ंक्शन, जो केंद्रीय सीमा प्रमेय हैf इस प्रकार चेबिशेव 1887 में लागू होने योग्य है। केंद्रीय सीमा प्रमेय की ताकत ऐसी है कि यह एक सामान्य मूल्य के साथ अपेक्षित मान को संबद्ध करने के लिए एक अभिभावकीय अभिव्यक्ति बन गई, क्योंकि यह स्थान के अधिक सामान्य माप के विपरीत है।
लेकिन उन डेटा वितरणों के बारे में जो सामान्य नहीं हैं जिनके लिए अन्य उपाय अधिक स्थिर हैं और / या उस डेटा के अधिक प्रतिनिधि हैं? उदाहरण के लिए, एक समान वितरण से डेटा की मध्य-सीमा मूल्य या औसत चरम मूल्य अधिक सटीक और स्थिर है, अर्थात, सटीक और उस वितरण के माध्य या माध्यिका की तुलना में तेजी से परिवर्तित होता है। लॉग-नॉर्मल डिस्ट्रीब्यूशन के लिए, उदाहरण के लिए, (इनकम ट्रीटमेंट का बहुत) इनकम डेटा, डेटा के लॉगरिदम के मतलब का एंटी-लॉग (AKA ज्यामितीय माध्य), उदाहरण के लिए, मध्यम आय डेटा (), डेटा के बजाय (जैसे, आय का मतलब) स्वयं, उस डेटा में सम्मिलित होने के लिए एक व्यक्तिगत सोच (या प्रत्याशित डेटा) के अधिक संकेत होगा जो एक अनुमानित परिणाम के रूप में हो सकता है। यह अच्छी तरह से जाना जाता है कि वाक्यांश द्वारा सचित्र है, "मैं 5-आंकड़ा वेतन का अनुमान लगा रहा हूं।" वास्तविक आय के लिए इसका एक उदाहरण इस प्रकार है। एक अन्य उदाहरण, पारेटो वितरण, जिसका उपयोग आय गणना के लिए भी किया जाता है, ( 80/20 कानून , और उच्च आय डेटा देखें ) में अक्सर एक अपरिभाषित अपेक्षित मूल्य ( का पहला क्षण होता है जब अल्फा ≤ 1 अल्फा ≤ 1 अल्फा > 1αβαt−α−1α≤1), इस तरह के वितरण के लिए, यह एक परिणाम के लिए एक अनुमानित मूल्य होने का अनुमान लगाने के लिए एक गलती होगी। उस स्थिति में, Pareto वितरण देखें , माध्यिका, ज्यामितीय माध्य और हार्मोनिक माध्य स्थान के बेहतर उपाय हैं, केवल इसलिए नहीं कि आवश्यकता को हटा दिया जाता है, बल्कि इसलिए भी क्योंकि वे होने पर भी कम परिवर्तनशील होते हैं । अधिक जानकारी यहां क्लॉसैट ए, शालिज़ी सीआर, न्यूमैन एमई में मिलती है। अनुभवजन्य डेटा में पावर-लॉ वितरण। SIAM समीक्षा 2009; 51: 661-703 , और यहाँ ।α≤1α>1