数学期望方差例题 问一道求数学期望和方差的题

数学期望值里的那个方差怎么算的啊？就是一道题目先让你算好期望，然后求方差，公式中有期望的. 就是用离散型随机变量可能取的值分别减去期望值，并每个离散型随机变量减去期望值后都平方，然后分别乘以每个离散型随机变量的概率.最后加到一起就是咯一个期望和方差的题 既然f(x)=(x^m/m。e^(-x)，x>；=0是密度函数，那么他满足归一性，即是说积分等于1.（事实上这个结论是对的）所以，针对任意的m，x^m*e^(-x）的积分等于m。求期望就是求x*(x^m/m。e^(-x)的积分，利用结论，它等于m+1同理，二阶矩是（m+1）（m+2）那么方差就是m+1了。概率题求出数学期望后怎么求方差？某概率题求出分布列是：x：2 和 3 和 4P：3/5 和 3/10 和 1/10数学期望是37/10请问改怎么求方差？谢谢.楼主你好 方差有两种求法 第一种：根据。概率题求出数学期望后怎么求方差？ 楼主你好方差有两种求法第一种：根据定义求设方差=Var(X)则Var(X)=(2-37/10)^2×(3/5)+(3-37/10)^2×(3/10)+(4-37/10)^2×(1/10)第二种：用公式求方差Var(X)=E(X^2)-[E(X)]^2=[(2^2×5/3)+(3^2×3/10)+(4^2×1/10)]-(37/10)^2这两种算法的结果是一样的希望你满意概率题求出数学期望后怎么求方差？ 方差有两种求法第一种：根据定义求设方差=Var(X)则Var(X)=(2-37/10)^2×(3/5)+(3-37/10)^2×(3/10)+(4-37/10)^2×(1/10)第二种：用公式求方差Var(X)=E(X^2)-[E(X)]^2=[(2^2×5/3)+(3^2×3/10)+(4^2×1/10)]-(37/10)^2这两种算法的结果是一样的已知数学期望，怎样求方差？？ 方程2113D（X）=E{[X-E（X）]^52612}=E（X^2）-[E（X）]^2，其中 E（X）表示数学期望。对于连续型4102随机变量X，若其定义域为（a，b），概率密度函数为f（x），连续型随机变量X方差计算公式：D（X）=（x-μ）^2 f（x）dx。方差刻画了随机变量的取值对于其数学期望的离散程度。（标准差、方差越大，离散程度越大），若X的取值比较集中，则方差D（X）较小，若X的取值比较分散，则方差D（X）较大。因此，D（X）是刻画X取值分散程度的一个量，1653它是衡量取值分散程度的一个尺度。扩展资料：期望的性质：其中，X和Y相互独立。参考资料来源：-方差求解一道关于数学期望和方差的问题 随机变量Y与X的关系为Y=2X+2为一次关系公式E(ax+b)=aE(x)+b，D(ax+b)=a2D(x)随机变量X的数学期望为2即E(x)=2E(Y)=2E(x)+2=6随机变量X的方差为2即D(x)=2D(y)=4*D(x)=8问一道求数学期望和方差的题 设X=n+k，即n个“合格品”和k个“不合格品”。那么，n服从“负二项分布”，即P(n=i)=C(i+k-1，k-1)x p^k x(1-p)^i.这个分布的均值和方差分别是E(n)=k(1-p)/p；D(n)=k(1-p)/p^2.所以，X的均值和方差分别是E(X)=E(n)+k=k(1-p)/p+k；D(X)=D(n)=k(1-p)/p^2.负二项分布当r是整数时，负二项分布又称帕斯卡分布，其概率质量函数为 它表示，已知一个事件在伯努利试验中每次的出现概率是p，在一连串伯努利试验中，一件事件刚好在第r+k次试验出现第r次的概率。p{X=k}=f(k；r，p)=(k+r-1)。[k。(r-1)。p^r(1-p)^k，k=0，1，2，.，0，r>；0.EX=sum(k=0->；正无穷）kf(k；r，p)=sum(k=1->；正无穷）k(k+r-1)。[k。(r-1)。p^r(1-p)^k=sum(k=1->；正无穷）(k+r-1)。[(k-1)。(r-1)。p^r(1-p)^kr(1-p)/p*sum(k=1->；正无穷）(k-1+r+1-1)。[(k-1)。(r+1-1)。p^(r+1)(1-p)^(k-1)【把k-1看做1个整体，r+1看做1个整体，p和(1-p)的指数凑成(k-1)和(r+1)的形式】r(1-p)/p*sum(n=k-1=0->；正无穷）(n+s-1)。[n。(s-1)。p^s(1-p)^n【n=k-1，s=r+1】r(1-p)/p*sum(n=0->；正无穷）f(n；s，p)r(1-p)/p*1【由归一性，sum(n=0->；正无穷）f(n；s，p)=1】r(1-p)/pEX^2=sum(k=0->；正无穷）k^2f(k；r，p)=sum(k=1->；正无穷）k^2(k+r-1)。[k。(r-1)。

#数学#方差公式#方差计算公式#k-1#数学期望