连续型随机变量X密度函数为下图,求数学期望EX min函数的数学期望如何分段积分

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2113均匀分布，5261期望=(a+b)/2，方差=[(b-a)^2]/2。代入直接得到结论。如4102果不知道均匀分1653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取值并不会影响随机变量的表现。更准确来说，。为什么分段函数的数学期望是相加 为什么不相加除以2？ 举个例子：两段组成的分段函数，[a，b]上f(x)；[b，c]上g(x)；这个分段函数的数学期望E：E=1/(b-a)∫(b，a)f(x)dx+1/(c-b)∫(c，b)f(x)dxE[f(x)]+E[g(x)]{E[f(x)]+E[g(x)]}/2已知概率密度函数，它的期望和方差是怎么得来的？谢谢 已知概率2113密度函数，它的期望：已知概率密度函数，它5261的方差：4102扩展资料：连续型的随机变量取值在任意1653一点的概率都是0。作为推论，连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是，概率P{x=a}=0，但{X=a}并不是不可能事件。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取值并不会影响随机变量的表现。如果一个函数和X的概率密度函数取值不同的点只有有限个、可数无限个或者相对于整个实数轴来说测度为0（是一个零测集），那么这个函数也可以是X的概率密度函数。求正态分布的数学期望和方差的推导过程 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.

#数学期望#随机变量#方差公式#数学#概率密度函数