常见分布的数学期望和方差 常见的有正态分布，二项分布，指数分布，均匀分布正态分布N~（a，b)EX=a DX=b二项分布B~（n，p)EX=np DX=np(1-p)指数分布λ EX=λ分之一 DX=λ^2分之一均匀分布 在（a，b)之前的范围 EX=2分之a+b DX=(b-a)^2\\12
统计学中常见的分布的数学期望和方差如题 1.N(a，b)正态分布，则E(X)=a，D(X)=b.2，U(a，b)均匀分布，则E(X)=(a+b)/2，D(X)=(b-a)^2/12.3.B(n，p)二项分布，则E(X)=np，D(X)=np(1-p).4.X服从参数为λ的指数分布，则E(X)=1/λ，D(X)=1/λ^2.5.X服从参数为λ的泊松分布，则E.
一个期望和方差的题 既然f(x)=(x^m/m。e^(-x)，x>；=0是密度函数，那么他满足归一性，即是说积分等于1.（事实上这个结论是对的）所以，针对任意的m，x^m*e^(-x）的积分等于m。求期望就是求x*(x^m/m。e^(-x)的积分，利用结论，它等于m+1同理，二阶矩是（m+1）（m+2）那么方差就是m+1了。
问一道求数学期望和方差的题 设X=n+k，即n个“合格品”和k个“不合格品”。那么，n服从“负二项分布”，即P(n=i)=C(i+k-1，k-1)x p^k x(1-p)^i.这个分布的均值和方差分别是E(n)=k(1-p)/p；D(n)=k(1-p)/p^2.所以，X的均值和方差分别是E(X)=E(n)+k=k(1-p)/p+k；D(X)=D(n)=k(1-p)/p^2.负二项分布当r是整数时，负二项分布又称帕斯卡分布，其概率质量函数为 它表示，已知一个事件在伯努利试验中每次的出现概率是p，在一连串伯努利试验中，一件事件刚好在第r+k次试验出现第r次的概率。p{X=k}=f(k；r，p)=(k+r-1)。[k。(r-1)。p^r(1-p)^k，k=0，1，2，.，0，r>；0.EX=sum(k=0->；正无穷）kf(k；r，p)=sum(k=1->；正无穷）k(k+r-1)。[k。(r-1)。p^r(1-p)^k=sum(k=1->；正无穷）(k+r-1)。[(k-1)。(r-1)。p^r(1-p)^kr(1-p)/p*sum(k=1->；正无穷）(k-1+r+1-1)。[(k-1)。(r+1-1)。p^(r+1)(1-p)^(k-1)【把k-1看做1个整体，r+1看做1个整体，p和(1-p)的指数凑成(k-1)和(r+1)的形式】r(1-p)/p*sum(n=k-1=0->；正无穷）(n+s-1)。[n。(s-1)。p^s(1-p)^n【n=k-1，s=r+1】r(1-p)/p*sum(n=0->；正无穷）f(n；s，p)r(1-p)/p*1【由归一性，sum(n=0->；正无穷）f(n；s，p)=1】r(1-p)/pEX^2=sum(k=0->；正无穷）k^2f(k；r，p)=sum(k=1->；正无穷）k^2(k+r-1)。[k。(r-1)。
概率题求出数学期望后怎么求方差？ 方差有两种求法第一种：根据定义求设方差=Var(X)则Var(X)=(2-37/10)^2×(3/5)+(3-37/10)^2×(3/10)+(4-37/10)^2×(1/10)第二种：用公式求方差Var(X)=E(X^2)-[E(X)]^2=[(2^2×5/3)+(3^2×3/10)+(4^2×1/10)]-(37/10)^2这两种算法的结果是一样的
数学期望值里的那个方差怎么算的啊？就是一道题目先让你算好期望，然后求方差，公式中有期望的. 就是用离散型随机变量可能取的值分别减去期望值，并每个离散型随机变量减去期望值后都平方，然后分别乘以每个离散型随机变量的概率.最后加到一起就是咯
概率论要考试了，求问一个填空题 契比雪夫不等式有两种表示形式1.P(|X-E(X)|≥S)≤D(X)\\ S*S2.P(|X-E(X)|≤S)≥1-D(X)\\ S*S在这里，相当于考察量为 x-y，所以得到E(X-Y)=E(X)-E(Y)=0D(X-Y)=D(X)+D(Y)-2*COV(X，Y)=1+4-2*(0.5*1*2)=3则有P｛｜X－Y｜≥6｝=｛｜X－Y｜-E(X-Y)≥6｝≤D(X-Y)\\36=3/36
