已知概率密度求方差方差为2.5、求E(x^2)

离散型随机变量方差公式如何求离散型随机变量的方差:D(X) = E{[X - E(X)]^2}.(1)=E(X^2) - (EX)^2.(2)X和X^2都是随机变量,针对于某次随机变量的取值,例如:随机变量X服从“0 - 1”:取0概率为q,取1概_百度作业帮
离散型随机变量方差公式如何求离散型随机变量的方差:D(X) = E{[X - E(X)]^2}.(1)=E(X^2) - (EX)^2.(2)X和X^2都是随机变量,针对于某次随机变量的取值,例如:随机变量X服从“0 - 1”:取0概率为q,取1概
离散型随机变量方差公式如何求离散型随机变量的方差:D(X) = E{[X - E(X)]^2}.(1)=E(X^2) - (EX)^2.(2)X和X^2都是随机变量,针对于某次随机变量的取值,例如:随机变量X服从“0 - 1”:取0概率为q,取1概率为p,p+q=1则:对于随即变量X的期望 E(X) = 0*q + 1*p = p同样对于随即变量X^2的期望 E(X^2) = 0^2 * q + 1^2 * p = p 所以由方差公式(2)得:D(X) = E(X^2) - (EX)^2 = p - p^2 = p(1-p) = pq无论对于X或者X^2,都是一次随机变量,或者一次实验,不是什么未知的函数哦,要通过题目的的随机变量到底是服从什么分配,然后才可以判断出该随机变量具有什么性质或者可以得出什么条件!注意.《我已经给你们复制好了,随机变量X服从“0 - 1”时,我明白怎么算,想问一下如果随机变量X服从“0,1,2,3..n”时又怎么办?还有Dζ=(x1-Eζ)2*p1+(x2-Eζ)2*p2+…+(xn-Eζ)2*pn这个是老师讲的和上面的那个有什么关系有什么不同的地方?求方差用哪个好?》
Dζ=(x1-Eζ)2*p1+(x2-Eζ)2*p2+…+(xn-Eζ)2*pn是定义,D(X)=E(X^2) - (EX)^2是推论.如果E(X^2)能够统一求出,D(X)=E(X^2) - (EX)^2式子用起来很方便. 一般来说,如果给出的分布列的各项的概率值可以用通项表示,那么用D(X)=E(X^2) - (EX)^2如果仅仅是做数字的计算,没有什么技术含量可言,那么用定义. 比如说,已知某分布X值为0,1,2,3,……,n,……,其对应的概率P(X=k)=1/(e*k!)
(泊松分布),求方差时用D(X)=E(X^2) - (EX)^2 如果题目中给出的分布律是X
11/48那么肯定是用Dζ=(x1-Eζ)2*p1+(x2-Eζ)2*p2+…+(xn-Eζ)2*pn已知概率密度求 方差f(x)=(1/根号π)*e^(-x^2) 求D(X)还有一题f(x)=ax^2+bx+c,0_百度作业帮
已知概率密度求 方差f(x)=(1/根号π)*e^(-x^2) 求D(X)还有一题f(x)=ax^2+bx+c,0
已知概率密度求 方差f(x)=(1/根号π)*e^(-x^2) 求D(X)还有一题f(x)=ax^2+bx+c,0
1、f(x)=(1/根号π)*e^(-x^2)&是服从正态分布N(0,1/2)的随机变量的概率密度,所以D(X)=1/2.2、根据下面图片中的三个积分,不难得到关于a,b,c的三个方程,将这三个方程联立起来构成一个三元一次方程组,解出便可以了(自己解一下吧).设随机变量X服从均值为10,均方差为0.02的正态分布,已知Φ(x)=∫x?∞12πe?u22d_百度知道
提问者采纳
5)内的概率为,2.95:Y=50(X-10),从而.5,2,Y落在区间(-2.5)内的概率.02),由正态分布的性质,10:X落在区间(9.5,1).05)内的概率=Y落在区间(-2,则Y~N(0,设由已知条件.5))=0,X~N(10:0,0:1-2×(1-Φ(2.9876.故答案为
其他类似问题
为您推荐:
均方差的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁《数字通信原理》习题及解答_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
《数字通信原理》习题及解答
上传于||暂无简介
阅读已结束,如果下载本文需要使用
想免费下载本文?
下载文档到电脑,查找使用更方便
还剩129页未读,继续阅读
你可能喜欢已知随机变量ξ的数学期望为Eξ,方差为Dξ,随机变量n=(ξ-Eξ)/√Dξ则Dn的值为_百度作业帮
已知随机变量ξ的数学期望为Eξ,方差为Dξ,随机变量n=(ξ-Eξ)/√Dξ则Dn的值为
已知随机变量ξ的数学期望为Eξ,方差为Dξ,随机变量n=(ξ-Eξ)/√Dξ则Dn的值为
不对,En=E[(ξ-Eξ)/√Dξ]=(Eξ-Eξ)/√Dξ=0,Dn=Dξ/(√Dξ)^2=1.

我要回帖

更多关于 已知概率求方差 的文章

 

随机推荐