数学期望ex方差dx公式

将第一个公式中括号内的完全平方打开得到DX=E(X^2-2XEX+(EX)^2)=E(X^2)-E(2XEX)+(EX)^2=E(X^2)-2(EX)^2+(EX)^2=E(X^2)-(EX)^2

一般的那种厚书都是有归纳的吧.新东方那本概统也有.这个工作还是要自己做,因为只有自己才知道自己哪儿不懂.而且这些都是不用动脑子的工作.

...

a=1-0.2-0.1-0.3=0.4EX=0*0.2+1*0.1+2*0.3+3*0.4=1.9x^2对应的概率分布为0、1、4、9P=0.2,0.1,0.3,0.4EX^2=0*0.2+1*0.1

离散型随机变量X的均值反映了离散型随机变量×取值的平均水平,随机变量的方差反映了随机变量取值偏离于均值的平均程度【【不清楚,再问；满意,愿你开☆,】】

切比雪夫不等式P（|X-μ|》3σ）

对于2项分布(例子:在n次试验中有K次成功,每次成功概率为P,他的分布列求数学期望和方差)有EX=npDX=np(1-p)n为试验次数p为成功的概率对于几何分布(每次试验成功概率为P,一直试验到成功为

方差是各个数据与平均数之差的平方的平均数.在概率论和数理统计中,方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度.在许多实际问题中,研究随机变量和均值之间的偏离程度有着

F(X)=（X-a）/（b-a）f(X)=F'(X)=1/（b-a）E(X)=∫xf(x)dx=∫x/(b-a)dx=x^2/2|(a,b)/(b-a)=(b^2-a^2)/2(b-a)=(a+b)/

E(X^2)-2EX+1=10E(X^2)-4EX+4=6所以EX=7/2E(X^2)=16D(X)=E(X^2)-[E(X)]^2=16-(7/2)^2

证明：D(X)=E{[X-E[X]]^2}(方差的定义）=E{X^2-2*X*E[X]+E[X]^2}=E[X^2]-E{2*X*E[X]}+E{E[X]^2}=E[X^2]-2*E[X]*E[X]+

原始数据：x1,x2,...,xnx的数学期望：Ex=[∑(i=1->n)xi]/n(1)x的方差：D(x)=[∑(i=1->n)(xi-Ex)²]/n(2)x的方差：D(x)还等于：D(x

X服从均匀分布,即X~U(a,b),则E(X)=(a+b)/2,D(X)=(b-a)²/12证明如下：设连续型随机变量X~U(a,b)那么其分布函数F(x)=(x-a)/(b-a),a≤x≤

密度函数：f(x)=1/(b-a)[a,b]f(x)=0其它x数学期望Ex=∫(a,b)x/(b-a)dx=0.5/(b-a)（b^2－a^2)=(a+b)/2Ex=(a+b)/2方差Dx=∫(a,b

你现在是上高中吗?这些可能你们还没学过,反正我是到大学才学的,X1是均匀分布,X2是正态分布,X3是指数分布,它们的期望都可由参数直接读出,最后的结果则直接由期望的线性性质求出.

EY=0DY=1EY=E(x-u)/&=(EX-U)/&=0DY=D[(X-U)^2]/(&^2)而D[(X-U)^2]=E[(X-U)^2]-[E(X-U)]^2=E[(X-U)^2](后面项为0)

Y=2+3XEY=E(2+3X)=3EX+2=5DY=D(2+3X)=3^2*DX+2=9DX=18

1).显然.(2).DX=E(X-EX)^2=E[(X-(a+b)/2+(a+b)/2-EX)^2]=E[(X-(a+b)/2)^2+((a+b)/2-EX)^2+2(X-(a+b)/2)((a+b)

样本数量,比如我有5个数字,1,2,3,4,5,这几个数字的方差就是（1-3）^2+（2-3）^2+（3-3）^2（4-3）^2+（5-3）^2=10