帕斯卡分布的期望与方差
来源:学生作业帮助网 编辑:作业帮 时间:2024/05/02 06:27:55
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)
方差是3.这是泊松分布,P(λ),也可以写成X~π(λ),P(X=k)=λ的k次方乘以e的(-λ)次方除以k的阶乘(这里用不了公式编辑器,只能口头叙述了).用期望和方差的公式可以推导出E(X)=λ,D
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
EZ=2EX-3EY=-17var(Z)=4var(X)+9var(Y)-12cov(X,Y)=4var(X)+9var(Y)-12ρ(var(X)var(Y))½=4×2+9×3-12×(
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)
若X为离散型随机变量,其概率分布为P(X=xk)=pk(k=1,2,…),则称和数sum(PK)为随机变量X的数学期望,简称期望,记为E(X)若X为连续型随机变量,其概率密度为f(x),则X的数学期望
poisson(a),即V满足λ=a的泊松分布,P(X=k)=λ^k*e^(-λ)/k!泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率.泊松分布适合于描述单位时间内随机事件发生的次数.
泊松分布,分布列为(p^k)*exp(-p)/k!,k=0,12,…….数学期望和方差均为p
随机变量的期望吧,就是出现n次,这个n次的平均值方差是随机变量的值,偏离期望值的程度第一个,EX=npE(x-EX)²=np(1-p)第二个,EX=µE(x-EX)²=σ
这个有点复杂的,具体的嘛,你去看高等数学积分那一章有的.很详细
再答:直接背公式
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
E(n)=1/p,D(n)=(1-p)/p^2
样本方差是总体方差的无偏估计样本方差是统计量总体方差是参数样本期望没有这个说法
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
P(λ)E(X)=λD(X)=λX指数分布E(X)=1/λD(X)=1/λ
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)!
同分布意味着期望和方差相同,但反过来不成立.毕竟期望和方差只是一阶矩和二阶矩,还有更高阶的矩存在.因此同分布事实上是很强的条件,更不必说是独立了