问：
但这里有一个困惑点，比如说我做了5道题，每道题都用数学期望 = 数量 × 概率 之和，但是这5道题中，数量，概率都是不同的情况，然后我判别这些情况中那些是数量，那些是概率，然后计算，这个过程涉及了判别，涉及了对象，所以是不是模型推测呢？
但是学习者并不理解什么是数学期望，只是用这种方法算出来了而已，所以对于学习者而言，学习者其实是建构出了不同的知识模型对吗？一种如何计算数学期望的模型对吗？这种模型高度依赖数学题所给出来的条件，或者说，这种模型高度依赖已见被抽象好的对象，例如题目中告知的概率，比赛次数等。对吗？
答：
答案是：你建立的是“==计算模型”（操作性模型），但不是“理解模型”（解释性模型）==**
**你建立的是一个“操作型模型”或“经验型模型”**，
它依赖于题目中给出的抽象对象（如概率、次数），
但你还没有建立“解释型模型”，也就是对“期望”本质的理解。
你说得非常好：
“==这种模型高度依赖数学题所给出来的条件，或者说，这种模型高度依赖已见被抽象好的对象，例如题目中告知的概率，比赛次数等==。”
举一反三式的下层展开，理解和掌握了上层描述后，在做题，举例时，就需要不断的进行上下对应。
==子概念==：学习某个抽象概念，或者理解某些概念时，都需要借助其他概念进行约束，也就是说，掌握其子概念间的关系就等同掌握了这个概念。例如 苹果这个概念，要想理解这个概念，就需要理解判别苹果这个概念的“形状”概念，“颜色”概念，“口感”概念等。
“如何计算数学期望”
其实之前所学的知识是一种计算方法，我并不知道其意义，所以当我试图展开这个概念（数学期望）所对应的下层对象时，我会发现空空如也，并且我也无法举例，我只能在计算时，判别谁是数量，谁是其概率，然后这样算出来。
而我所学的计算方法其实就是程序性知识，即“数量乘以对应概率”。我只能对应数量和概率，我无法展开这些事件
需要理解无限次，其中次数的占比，次数情况的平均。
借助平均数理解，本质还是平均，只不过数学期望是无限多次下，每种情况的平均。
其中的概率所反映的其实就是每种情况与所有情况的占比。成的具体数字就是具体情况。
例如由
