请问两个随机变量XY不独立，他们的协方差cov(X，Y)已知，请问怎么计算两者乘积的期望E(XY)？ 利用协方差的公式啊COV(X，Y)=E[(X-E(X))(Y-E(Y))]=EXY-EX*EY那么EXY=COV(X，Y)+EX*EYEX，EY，COV(X，Y)都已知，就可以算出来了。如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。协方差Cov(X，Y)的度量单位是X的协方差乘以Y的协方差。而取决于协方差的相关性，是一个衡量线性独立的无量纲的数。协方差为0的两个随机变量称为是不相关的。扩展资料：若两个随机变量X和Y相互独立，则E[(X-E(X))(Y-E(Y))]=0，因而若上述数学期望不为零，则X和Y必不是相互独立的，亦即它们之间存在着一定的关系。协方差与方差之间有如下关系：D(X+Y)=D(X)+D(Y)+2Cov(X，Y)D(X-Y)=D(X)+D(Y)-2Cov(X，Y)协方差与期望值有如下关系：Cov(X，Y)=E(XY)-E(X)E(Y)。协方差的性质：（1）Cov(X，Y)=Cov(Y，X)；（2）Cov(aX，bY)=abCov(X，Y)，（a，b是常数）；（3）Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。由协方差定义，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。某城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个。
已知概率密度函数怎么求它的数学期望和方差 求方差要利用个公式，DX=EX^2-(EX)^2期望EX=∫f（x）*x dx下面的积分区间都是-a到a 为了书写我就不写明了.EX=∫1/2a*x dx=0EX^2=∫（1/2a）*x^2 dx=1/3 a^2DX=EX^2-(EX)^2=（1/3）a^2当然，对于一些常见分布的期望和方差可以直接背公式请别忘记采纳，祝学习愉快
已知概率密度函数怎么求它的数学期望和方差 代入公式。在[a，b]上的均匀分布，期32313133353236313431303231363533e59b9ee7ad9431333431353939望=(a+b)/2，方差=[(b-a)^2]/2。代入直接得到结论。如果不知道均匀分布的期望和方差公式，只能按步就班的做：期望：EX=∫{从-a积到a} xf(x)dx{从-a积到a} x/2a dxx^2/4a|{上a，下-a}0E(X^2)=∫{从-a积到a}(x^2)*f(x)dx{从-a积到a} x^2/2a dxx^3/6a|{上a，下-a}(a^2)/3方差：DX=E(X^2)-(EX)^2=(a^2)/3扩展资料：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。变量取值只能取离散型的自然数，就是离散型随机变量。例如，一次掷20个硬币，k个硬币正面朝上，k是随机变量。k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数，因而k是离散型随机变量。如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。例如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，x的取值范围是[0，15），它是一个区间，从理论上说在这个区间内可取任一实数3.5、无理数等，因而称这随机变量是连续型随机变量。由于随机变量X的取值 只取决于概率密度函数的积分，所以概率密度函数在个别点上的。
301数学一跟601这些有什么区别？我考研的课程是数学301，内容是哪些方面，参考书目有哪些、？
协方差怎么计算，请举例说明 cov(x，y)=EXY－EX*EY 匿名用户 1级 2015-08-21 回答 cov(x，y)=EXY－EX*EY 协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率。
通过注册电气工程师的大牛们是如何搞定那几十门课几十本书的？ 所谓几十门课，几十门书。注册电气的基础考试要涉及到的。住建部出过这方面的书，可以参考。另外天大出版…
考研数一概率论和数理统计考什么 1、不同的学校考的概率理论与数理统计的具体内容是不同的，特别是对于985的学校，都是自主命题。主要说一下一般学校的《概率理论与数理统计》目录与考试类型 2、目录与主要内容第一章：随机事件和概率第二章：随机变量及其分布第三章：多维随机变量及其分布第四章：随机变量的数字特征第五章：大数定律和中心极限定理第六章：数理统计的基本概念第七章：参数估计 3、常有的题型有：填空题、选择题、计算题和证明题，试题的主要类型有：(1)确定事件间的关系，进行事件的运算；(2)利用事件的关系进行概率计算；(3)利用概率的性质证明概率等式或计算概率；(4)有关古典概型、几何概型的概率计算；(5)利用加法公式、条件概率公式、乘法公式、全概率公式和贝叶斯公式计算概率；(6)有关事件独立性的证明和计算概率；(7)有关独重复试验及伯努利概率型的计算；(8)利用随机变量的分布函数、概率分布和概率密度的定义、性质确定其中的未知常数或计算概率；(9)由给定的试验求随机变量的分布；(10)利用常见的概率分布(例如(0-1)分布、二项分布、泊松分布、几何分布、均匀分布、指数分布、正态分布等计算概率；(11)求随机变量函数的分布；(12)确定二维随机变量的分布；(13)利用二维。
如何通俗易懂地解释「协方差」与「相关系数」的概念？
多元统计分析的简介 multivariate statistical analysis研究客观事物中多个变量（或多个因素）之间相互依赖的统计规律性。它的重要基础之一是多元正态分析。。
