鏁板鏈熸湜E锛圶虏锛夋€庝箞姹? e的数学期望

鏁板鏈熸湜锛孍(X)鍜孍(X^2)鏈変粈涔堝尯鍒紝浠€涔堟剰鎬濓紝"， E(X)是X的期望值，如果X等概率地取0，1，2，3，4，那么E(X)=（0+1+2+3+4）/5=2 E(X^2)是x^2的期望值，如果X等概率地取0，1，2，3，4，那么E(X^2)=（0^2+1^2+2^2+3^2+4^2)/5。鏁板鏈熸湜涓璄(XY)琛ㄧず浠€涔堟剰鎬濆憿锛屾眰瑙ｇ瓟"， 数学期望中E(XY)表示xy相乘的数学期望。首先x，y都是随便变量，E（x）表示x的“平均”，即数学期望，而现在相当于把xy看成一个数（x，y各自随机取值），然后求（不妨设z=xy），也就是E(Z)=E(XY)。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。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√20，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√20等，因而称这随机变量是连续型随机变量参考资料来源：-数学期望鏁板鏈熸湜E(X锛?， 不相等，你可以用推导E(X+Y)的方法算一下，结果都是E(X)+E(Y)鏁板鏈熸湜鍊糆(X)涓嶦(3X^2-1)鐨勫叧绯?， 因为 Dx=E(x^2)-(Ex)^2所以 E(x^2)=Dx+(Ex)^2E(3x^2-1)=3E(x^2)-13[Dx+(Ex)^2]-13(Ex)^2+3Dx-1他们是这样的关系.瓒呭嚑浣曞垎甯冪殑鏁板鏈熸湜鏄粈涔堝晩 E锛圶锛? 一般地，在含有M件次品的N件产品中，任取n件，其中恰有X件次品数记作X-H(N.M.n)，其E(X)=nM/NE(X虏)绛変簬浠€涔堬紵 鏈夊叧鏁板鏈熸湜 记D(x)为该数2113据的方差，E(x)为期望，则D(x)=E(x^52612)-[E(x)]^2，这样就可以把E(X2)求出来，或者直接4102用定义法求也可以。数学期望是试验1653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。期望值是基础概率学的升级版，是所有管理决策的过程中，尤其是在金融领域是最实用的统计工具。某个事件（最初用来描述买彩票）的期望值即收益，实际上就是所有不同结果的和，其中每个结果都是由各自的概率和收益相乘而来。扩展资料离散型随机变量数学期望的内涵：在概率论和统计学中，离散型随机变量的一切可能的取值xi与对应的概率P(=xi)之积的和称为数学期望(设级数绝对收敛)，记为E(x)。数学期望又称期望或均值，其含义实际上是随机变量的平均值，是随机变量最基本的数学特征之一。但期望的严格定义是∑xi*pi绝对收敛，注意是绝对，也就是说这和平常理解的平均值是有区别的。一个随机变量可以有平均值或中位数，但其期望不一定存在。参考资料来源：—数学期望