设二维离散型随机变量X、Y的概率分布为 （I）因为：P{XY=1}=P{X=1，Y=1}=13，P{XY=2}=P{X=1，Y=2}+P{X=2，Y=1}=0，P{XY=4}=P{X=2，Y=2}=112，所以：P{X=2，Y=1}=P{X=1，Y=2}=0，P{X=0，Y=1}=P{Y=1}-P{X=1，Y=1}-P{X=2，Y=1}=0，P{X=0，Y=2}=P{Y=2}-P{X=1，Y=2}-P{X=2，Y=2}=14，P{X=0，Y=0}=P{X=0}-P{X=0，Y=1}-P{X=0，Y=2}=14，故有：P{X=2Y}=P{X=0，Y=0}+P{X=1，Y=2}=14．（Ⅱ）由已知条件：E（X）=23，E（Y）=1，E（XY）=23，E（Y2）=53，所以：Cov（X-Y，Y）=Cov（X，Y）-Cov（Y，Y）[E（XY）-E（X）E（Y）]-[E（Y2）-（E（Y））2]（23-23）-（53-1）23．
离散型随机变量方差公式如何求 ^离散型随机变量的方差：5261D(X)=E{[X-E(X)]^2}；（41021）E(X^2)-(EX)^2；（2）（1）式是方差的离差表示1653，如果不懂，可以记忆（2）式（2）式表示：方差=X^2的期望-X的期望的平方。X和X^2都是随机变量，针对于某次随机变量的取值，例如：随机变量X服从“0-1”：取0概率为q，取1概率为p，p+q=1 则：对于随即变量X的期望 E(X)=0*q+1*p=p 同样对于随即变量X^2的期望 E(X^2)=0^2*q+1^2*p=p所以由方差公式（2）得：D(X)=E(X^2)-(EX)^2=p-p^2=p(1-p)=pq 无论对于X或者X^2，都是一次随机变量，或者一次实验，不是什么未知的函数，要通过题目的的随机变量到底是服从什么分配，然后才可以判断出该随机变量具有什么性质或者可以得出什么条件。扩展资料：机变量的期望，离散情形：如果X是离散随机变量，具有概率质量函数p（x），那么X的期望值定义为E[X]=换句话说，X的期望是X可能取的值的加权平均，每个值被X取此值的概率所加权。连续情形：也可以定义连续随机变量的期望值。如果X是具有概率密度函数f（x）的连续随机变量，那么X的期望就定义为E[X]=β+a/2。换句话说，在（a，β）上均匀分布的随机变量的期望值正是区间的中点。随机变量在不同的条件下由于偶然。
关于二元离散型随机变量的协方差的计算公式Cov(X，Y)=E(XY)-E(X)E(Y)中，E(EY)是怎么算出来呢？ 1）如果XY独立 E(XY)=E(X)E(Y）2）如果不独立，若是离散的，则∑XiYjPij(i=1，2，3….，j=1，2，3….)若是连续的，则∫xyf(xy)dxdy(f(xy)为密度函数)汗S这里真不好打出来积分上下限，定义是从负无穷积到正无穷，但实际问题是从密度函数不为零的范围积分，离散的不用说了吧，就是把它们的数值乘以联合概率再相加.
