帕斯卡分布的方差推导

瑞利分布的概率密度为：p(x)=2x/b*e^(-x^2/b)(积分限为0到+∞）E=∫xp(x)dx=2/b*∫x^2*e(-x^2/b)dx=-∫xd(e(-x^2/b))=-xe(-x^2/b)

再答：完全根据定义来推导，中间利用求和技巧，就能顺利求出再答：不知道我表达清楚了没有，若有疑问请追问哦再问：问下。哪几个标准正态分布的结果是要记住的？再答：我只记得住正太，卡方，指数，平均的均值，有的

XH(n,M,N)例N个球有M个黑球取n个黑球则EX=nM/NDX=nM/N*(1-M/N)*(N-n)/(N-1)其实可以和二项分布类比的..二项分布就是超几何分布的极限

方差D=d^2（d为均方差）D(x)=E{[x-E(x)}^2}=E{x^2-2xE(x)+[E(x)]^2}=E(x^2)-2E(x)E(x)+[E(x)]^2=E(x^2)-[E(x)]^2

伯努利分布就是二项分布,其方差的计算倾参考这里的解答http://zhidao.baidu.com/question/41142217.html?si=3

D(X)=np(1-p)

二项分布b(n,p)期望np方差np(1-p)几何分布G（p）期望1/p方差（1-p）/(pXp)

倒数第三步应该是t的1/2次方,不是负1/2次方

均匀分布,期望是（a+b）/2,方差是（b-a）的平方/12二项分布,期望是np,方差是npq泊松分布,期望是p,方差是p指数分布,期望是1/p,方差是1/(p的平方)正态分布,期望是u,方差是&的平

B(n,p),其中n≥1,0<p<1.P{X=k}=C(n,k)*p^k*(1-p)^(n-k),k=0,1,...,n.EX=np,DX=np(1-p).最简单的证明方法是：X可以分解成

常见的有正态分布,二项分布,指数分布,均匀分布正态分布N~（a,b)EX=aDX=b二项分布B~（n,p)EX=npDX=np(1-p)指数分布λEX=λ分之一DX=λ^2分之一均匀分布在（a,b)之

t分布:t(n)mu=0,sigma^2=n/(n-2)(n>2)x平方分布X^2(n)mu=n,sigma^2=2nF分布F(m,n),mu=n/(n-2),sigma^2=2n^2(n+m-2)/

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^2,百度不太好打公式,你将就看一下.于是：

你的f（x）积分下限不对,lnX值域是＋—无穷

帕斯卡●数学家帕斯卡的帕斯卡简介1、带上本金1000RMB；2、每次下注100RMB;3、每次下注有两种结果,赢或输各占50%,输了再下注100RMB,一直到赢为止；4、赢了一注后,再下注200RMB

证明：Eξ=p+2qp+3q²p+…+k[q^(k-1)]p+…=p(1+2q+3q²+…)设S=1+2q+3q²+…+nq^(n-1),则由qS=q+2q²+

方差的公式中带有n的,说明对于n次的两点分布,可以运用那个公式方差是对于特定的"n次实验"而言的,所以公式中有n这个公式大大简化了二项式分布方差的计算~

负二项分布p{X=k}=f(k;r,p)=(k+r-1)!/[k!(r-1)!]p^r(1-p)^k,k=0,1,2,...,0正无穷）kf(k;r,p)=sum(k=1->正无穷）k(k+r-1)!

同学你好,这里我只介绍一下1/p的求解方法：根据标准差的定义,从定义式入手E（x）你可以很轻松的写出来,当然是一个很长的求和式子.这样就将E(x)转化为数列求和问题,根据你学的知识,该数列的特点如下：

Eξ=1/p,Dξ=(1-p)/p^2Dξ=E(ξ^2)-(Eξ)^2E(ξ^2)=p+2^2*qp+3^2*q^2*p+……+k^2*q^(k-1)*p+……=p(1+2^2*q+3^2*q^2+…