正态分布的数学期望 E(x^4)x^4*1/√(2π)e^（-x^2/2）dx 积分区间（-∞，+∞）2∫x^4*1/√(2π)e^（-x^2/2）dx 积分区间（0，+∞）分步积分.2x^3*1/√(2π)e^（-x^2/2）+2/√(2π)∫3x^2*e^（-x^2/2）dx2x^3*1/√(2π)e^（-x^2/2）-2/√(2π)3x*e^（-x^2/2）2/√(2π)∫3*e^（-x^2/2）dx积分区间（0，+∞）1/√(2π)∫e^（-x^2/2）dx=1/22/√(2π)∫3*e^（-x^2/2）dx=3*2*1/2=3而2x^3*1/√(2π)e^（-x^2/2）-2/√(2π)3x*e^（-x^2/2）2x^3/√(2π)e^（x^2/2）-6x/√(2π)*e^（x^2/2）利用罗必塔法则，lim2x^3/√(2π)e^（x^2/2）-6x/√(2π)*e^（x^2/2）=0所以E(x^4)=3
正态分布的期望和方差怎么求 不用二重积分的，可以有简单的办法的.设正态分布概率密度函数是f(x)=[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]其实就是均值是u，方差是t^2，不太好打公式，你将就看一下.于是：e^[-(x-u)^2/2(t^2)]dx=(√2π)t.（*）积分区域是从负无穷到正无穷，下面出现的积分也都是这个区域，所以略去不写了.（1）求均值对（*）式两边对u求导：{e^[-(x-u)^2/2(t^2)]*[2(u-x)/2(t^2)]dx=0约去常数，再两边同乘以1/(√2π)t得：[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]*(u-x)dx=0把(u-x)拆开，再移项：x*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=u*∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx也就是x*f(x)dx=u*1=u这样就正好凑出了均值的定义式，证明了均值就是u.(2)方差过程和求均值是差不多的，我就稍微略写一点了.对(*)式两边对t求导：[(x-u)^2/t^3]*e^[-(x-u)^2/2(t^2)]dx=√2π移项：[(x-u)^2]*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=t^2也就是(x-u)^2*f(x)dx=t^2正好凑出了方差的定义式，从而结论得证.
正态分布的数学期望是多少？ 就是 u据定义一算即可
二维正态分布 似乎得先弄明白什么叫\"二维分布的期望\". 。二维正态分布的的期望是什么？是相关系数吗？怎么推导？查看问题描述 ？ 3 知乎用户 展开阅读全文 ？ 。
正态分布的期望值和方差是什么？ 在概率2113论和统计学中，数学期望(mean)（或均5261值，亦简称期望）为试验中4102每次可能结果的概率乘以其1653结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。方差为各个数据与平均数之差的平方的和的平均数，即其中，x表示样本的平均数，n表示样本的数量，xi表示个体，而s2就表示方差。扩展资料当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。样本中各数据与样本平均数的差的平方和的平均数为样本方差；样本方差的算术平方根为样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。方差和标准差为测算离散趋势最重要、最常用的指标，它是测算数值型数据离散程度的最重要的方法。标准差为方差的算术平方根，用S表示。参考资料来源：-方差参考资料来源：-数学期望
随机向量(X，Y)服从二维正态分布，X和Y的期望值分别为1和0，方差分别为1和4，相关系数为-1/2，试求X-Y分布 X-Y也是正态分布.E(X-Y)=EX-EY=1-0=1D(X-Y)=DX+DY-2cov(X，Y)=1+4-2ρ(DXDY)^(1/2)=7故X-Y~N(1，7)
如题，python程序怎么写？如题，python程序怎么写？无锡生活 【无锡】微信公众号：wuxiclub 这是谁邀请我回答的？保证不打死他！。二维正态分布已知方差和相关系数，求期望？。
求正态分布的数学期望 楼主的题目还是有问题，此题应该加上 X，Y相互独立的条件.你可以先求出Z的密度再来求期望，但会比较麻烦.相信楼主手里的教材上一定有这样一道题目的在本题相同的条件下求W=max（X，Y）的期望，答案为：1/根号下\\Pi；在此基础上可以有一个简单做法解楼主的问题：由X，Y相互独立且均服从标准正态分布，可以推出：X，—Y相互独立且也是均服从标准正态分布，而min（X，Y）=—max（—X，—Y），所以Emin（X，Y）=—Emax（—X，—Y）=—1/根号下\\Pi.
二维正态分布的的期望是什么？是相关系数吗？怎么推导？似乎得先弄明白什么叫\"二维分布的期望\". 二维随机变量的期望是(E(X)，E(Y)).
