设随机变量X服从泊松分布,且P{X=1}=2P{X=2},求E(X),D(X).

泊松分布P{X=k}=(λ^k)·e^(-λ)/k!P{X=1}=λ·e^(-λ)P{X=2}=λ²·e^(-λ)/2因为P{X=1}=P{X=2}所以λ·e^(-λ)=λ²·e^

p=｛x=1｝=p｛x=2｝c^1/1!*e^(-c)=c^2/2!*e^(-c)2c=c^2c=2EX=-DX=2

P(X=Y)=P(X=0)P(Y=0)+P(X=1)P(Y=1)=1/9+4/9=5/9如有意见,欢迎讨论,共同学习；如有帮助,再问：为什么这么算啊？再答：根据独立性。书上讲更全面一些，建议您看书。

X,Y互相独立设X的密度函数为f(x),Y的密度函数为f(y)它们的联合密度函数为f(x,y)=f(x)f(y)f(y,x)=f(y)f(x)=f(x,y)f(x,y)关于y=x对称P(X

由于:P(X=0,Y=0)=P(X=1,Y=0)=P(X=0,Y=1)=P(X=1,Y=1)=1/4.P(Z=1)=P(X=1,Y=0)+P(X=0,Y=1)+P(X=1,Y=1)=3/4.P(Z=0

这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明

要用到微积分吗?具体公式给下回答：=Σ（3^I*e^(-3)I/I!）(3^(K-I)*e^(-3)I/(K-I)!）=Σ（3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!）=Σ[

因为XY服从相同的分布所以它们各自的分布函数和分布密度表达式是相同的,只是变量不同而已（一个是X一个是Y）所以就设分布函数是F（U）,分布密度是f(u),对应到XY就是把U换成XY就行了..像LS说的

因为X服从泊松分布,所以DX=EX=5,则D(X–1)=DX=5

首先E(X-1)(X-2)=E(X^2-3X+2)=1.因为DX=EX=Y.解出来Y=1.带入到泊松分布中,因为泊松分布是从0开始到正无穷.所以P{X>=1}=1-e

F(x)=λ^ke^(-λ)/k!由P{X=0}=1/2得e^(-λ)=1/2λ=ln2则F(x)=(ln2)^k/2(k!)P{X>1}=1-P{X

P{X=1}=λ*e^(-λ)P{X=2}=0.5*(λ^2)*e^(-λ)所以λ*e^(-λ)=0.5*(λ^2)*e^(-λ)整理λ=0或λ=2λ≠0,所以λ=2P{X=0}=e^(-2)P{X=

P{X=1}=P{X=2},λ*e^-λ=λ^2*e^-λ/2λ=λ^2/2λ=2P{X=4}=2^4*e^-2/4!=2e^-2/3

λ=2由泊松分布密度函数可知：P{X=1}=e^(-λ)*λ=2/e²,可得λ=2.

有些符号不会打.但有这样的结论：泊松分布的数学期望与方差相等,都等于参数λ.因为泊松分布只含有一个参数,只要知道它的数学期望或者方差就能完全确定它的分布

随机变量X服从泊松分布，且P（X=1）=P（X=2），所以：P(X＝i)＝e−λλii!即：e−λλ＝e−λλ22!得：λ=2P（X=4）=23e−2

由于随机变量X服从参数为1的泊松分布，所以：E（X）=D（X）=1又因为：DX=EX2-（EX）2，所以：EX2=2，X 服从参数为1的泊松分布，所以：P{X＝2}＝12e−1，故答案为：1

P(X=2)=[9e^(-3)]/2

D(2X-3Y)=4*D(X)+9*D(Y)D(X)=n*p*q=100*0.2*0.8=16D(Y)=λ=3所求为64+27=91

随机变量X服从参数为λ的泊松分布P{X=k}=e^(-λ)*λ^k/k!P{X=1}=e^(-λ)*λ^1/1!P{X=2}=e^(-λ)*λ^2/2!若P{X=1}=P{X=2}λ=2E(x)=D(