数学期望和方差的关系？ 方差2113=E(x2)-E(x)2，E(X)是数学期望5261。在概率论和统计学中，数学期望(mean)（或均值，亦简称期4102望）是试验中每1653次可能结果的概率乘以其结果的总和，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。方差在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二阶中心动差，恰巧也是它的二阶累积量。这就是将各个误差将之平方，相加之后再除以总数，透过这样的方式来算出各个数据分布、零散的程度。扩展资料：期望值像是随机试验在同样的机会下重复多次，所有那些可能状态平均的结果，便基本上等同“期望值”所期望的数。期望值可能与每一个结果都不相等。换句话说，期望值是该变量输出值的加权平均。期望值并不一定包含于其分布值域，也并不一定等于值域平均值。赌博是期望值的一种常见应用。例如，美国的轮盘中常用的轮盘上有38个数字，每一个数字被选中的概率都是相等的。赌注一般押在其中某一个数字上，如果轮盘的输出值和这个数字相等，那么下赌者可以获得相当于赌注35倍的奖金（原注不包含在内），若输出值和下压数字不同，则赌注就输掉了。考虑到38种。
高中概率题总是要求求数学期望E(x)，这个数学期望到底是什么呢？能不能通俗的解释一下？ 通俗的说，就是平均以下来源于词条的编辑和创建无需任何费用，恶意传播虚假信息、仿冒官…
数学期望的公式是什么？ E(X)=X1*p(X1）+X2*p(X2）+…2113+Xn*p(Xn)=X1*f1(X1）+X2*f2(X2）+…+Xn*fn(Xn)X；1，X；2，X；3，5261…，X。n为这离散4102型随机变量，p(X1），p(X2），p(X3），1653…p(Xn)为这几个数专据的概率函属数。在随机出现的几个数据中p(X1），p(X2），p(X3），…p(Xn)概率函数就理解为数据X1，X2，X3，…，Xn出现的频率f(Xn).扩展资料在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，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。需要注意的是，期望值并不一定等同于常识中的“期望”—“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。离散型随机变量与连续型随机变量都是由随机变量取值范围(取值)确定。参考资料：词条 数学期望
概率论 关于方差和数学期望的基本性质的一个问题 我觉得楼主概念有错误，两个随机变量之和的方差公式是D（X+Y）=D（X）+D（Y）+2E｛E（XY）-E（X）E（Y）｝是没错的，或者确切地说，是D（X+Y）=D（X）+D（Y）+2｛E（XY）-E（X）E（Y）｝，大括号就是随机变量（不一定是常数）的协方差cov（X，Y）。而且，楼主说当两个随机变量相互独立时，D（X+Y）=D（X）+D（Y）也是完全正确的。但是，接下来逻辑就有错误了，两个随机变量独立时的公式D（X+Y）=D（X）+D（Y）是由原始公式D（X+Y）=D（X）+D（Y）+2E｛E（XY）-E（X）E（Y）｝得来的，但是一定是因为“把X和Y看成常数来对待”得到的吗？这是关键。实际上，当两个随机变量X和Y独立时，就有公式E（XY）=E（X）E（Y），从而有“当随机变量X和Y独立时，D（X+Y）=D（X）+D（Y）”这样一个结论。不知解答是否令楼主满意？
概率论，数学期望的性质。为什么不能反推？ 你好！举个反例吧：P(X=1)=P(X=-1)=1/2，Y=|X|则E(XY)=EX*EY=0，但X与Y不独立。经济数学团队帮你解答，请及时采纳。谢谢！
数学期望的性质有哪些？ 数学期望的性质：1、设X是随机变量，C是常数，则E（CX）=CE（X）。2、设X，Y是任意两个随机变量，则有E（X+Y）=E（X）+E（Y）。3、设X，Y是相互独立的随机变量，则有E（XY）=E（X）E（Y）。4、设C为常数，则E（C）=C。扩展资料：期望的应用1、在统计学中，想要估算变量的期望值时，用到的方法是重复测量此变量的值，然后用所得数据的平均值来作为此变量的期望值的估计。2、在概率分布中，数学期望值和方差或标准差是一种分布的重要特征。3、在古典力学中，物体重心的算法与期望值的算法近似，期望值也可以通过方差计算公式来计算方差：4、实际生活中，赌博是数学期望值的一种常见应用。参考资料来源：-数学期望
