数学期望的性质推导 概率统计 数学期望性质

二项分布数学期望公式的推导 二项分布pk=C(n，k)p^kq^(n-k)，k=0，1，2，.n由期望的定义 n n∑kpk=∑kC(n，k)p^kq^(n-k)=np∑C((n-1)，(k-1))p^kq^(n-k)=k=0 k=1np(p+q)^(n-1)=np数学期望的性质有哪些？ 数学期望 的性质： 1、设X是随机变量，C是常数，则E（CX）=CE（X）。2、设X，Y是任意两个随机变量，则有E（X+Y）=E（X）+E（Y）。3、设X，Y是相互独立的随机变量，则有E。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.概率论中，由二维随机变量的数学期望的性质推导出来的E(aX+bY)=aE(X)+b(Y)为什么不是正确的 首先我觉得E(aX+bY)=aE(X)+bE(Y)（应该永远）是正确的。这叫 linearity of expectation 期望直（所遵循）的线性性质参见：http：//en.wikipedia.org/wiki/Expected_value（under\"Linearity\")不懂 所谓“二维随机变量的数学期望的性质推导出来“是指啥。也许意思是一个特殊情况不能证明所有情况。二项分布数学期望公式的推导，x～B(n，p)期望是E(x)=np，是如何推导出来的？ 二项分布pk=C(n，k)p^kq^(n-k)，k=0，1，2，.n 由期望的定义 n n∑kpk=∑kC(n，k)p^kq^(n-k)=np∑C((n-1)，(k-1))p^kq^(n-k)=k=0 k=1 np(p+q)^(n-1)=np