（即数学期望E(X-Y))）

来源：蜘蛛抓取(WebSpider) 时间：2018-07-28 08:47 标签： 数学期望E(E(X))
数学期望与方差E(X) D（X）
数学期望 ：
1.设X是随机变量，A,B是常数，则E（AX+B）=CE（X）+B
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（XY）=E（X）E（Y）
1、设A是常数，则D（A）=0
2、设X是随机变量，A是常数，则有D(AX+B)=A^2D(X)
3、设 X 与 Y 是两个随机变量，则D(X+Y)=D(X)+D(Y)+2Cov(X,Y)
其中协方差Cov(X,Y)=E{(X-E(X)(Y-E(Y))}
特别的，当X，Y是两个不相关的随机变量则D(X+Y)=D(X)+D(Y)
此性质可以推广到有限多个两两不相关的随机变量之和的情况。
两点分布B (1,p)
二项分布B (n,p)
泊松分布P (a)
均匀分布U(a,b)
（b-a）^2/12
正态分布N（n,a^2）
指数分布E（a）
期望和方差
条件数学期望
【Derivation】 条件数学期望公式
数学期望DP小结
数学期望 Expectation
关于数学期望的总结
没有更多推荐了，扫二维码下载作业帮
3亿+用户的选择
下载作业帮安装包
扫二维码下载作业帮
3亿+用户的选择
设随即变量X~B（4,0.5）,求数学期望E（X^2）?
作业帮用户
扫二维码下载作业帮
3亿+用户的选择
解由变量X~B（4,0.5）,知E(X)=np=4*0.5=2D(X)=np（1-p）=1又有D(X)=E（X^2）-(E（X）)²即1=E（X^2）-(2）²即E（X^2）=5
为您推荐：
其他类似问题
扫描下载二维码扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
为什么常数的数学期望仍是常数?即求证：E(C)=C
作业帮用户
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
期望可以看做是平均数,一个常数的平均数当然是它本身.
这个我也知道，我是想要它作为连续型随机变量情况下的证明过程
证明过程：
任意X的期望：E{X}=∫xf(x)dx
常数期望：
E{C}=∫Cf(x)dx
=C∫f(x)dx
为您推荐：
其他类似问题
扫描下载二维码让学习驱动您的世界
查字典教育系列APP
语文、作文、板报等APP
客户端二维码
手机浏览器打开查字典
1、直接输入 m.chazidian.com
2、扫描二维码，用手机
访问查字典手机版
数学期望E(X-Y)是否=E(X)-E(Y) 数学期望E(X-Y)是否=E(X)-E(Y)，我要确定的答案！&br&
|提问时间： 09:19:01|0人回答
看了该问题的网友还看了：
大家都在问
数学最新问题您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
数学期望E(x)D(x).ppt 39页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
数学期望E(x)D(x)
你可能关注的文档：
··········
··········
一、数学期望 问题：随机变量的均值应如何定义？ 例如，甲、乙两射手，各射击十次，X,Y分别表示他们射中的环数，如表：
解：现求在这十次射击中，平均击中的环数：
1.?离散型随机变量的数学期望
设离散型随机变量X的分布律为 P{X=xk}=pk ，k=1,2,…,若级数
绝对收敛，则称此级数的和为随机变量X的数学期望，记为E(X)，即
例1: 设有某种产品投放市场，每件产品投放可能发生三种情况：按定价销售出去，打折销售出去，销售不出去而回收。根据市场分析，这三种情况发生的概率分别为0.6，0.3，0.1。在这三种情况下每件产品的利润分别为10元，0元，－15元（即亏损15元）。问厂家对每件产品可期望获利多少？
(2)几种典型的离散型随机变量的数学期望
i. X服从参数为p的(0,1)分布： E(X)=0×(1-p)+1×p=p；
ii. 若X?B(n,p),则E(X)=np； 证明：X的分布律为
iii.若X?P(λ)，则E(X)=λ。
证明：X的分布律为
例1．若X? N(μ,σ2)，求E(X)。 解：X的概率密度为：
(1) 几个常见连续型随机变量的数学期望
i.若X?U(a,b),则E(X)=(a+b)/2. 证：X的概率密度为 3.随机变量的函数的数学期望 定理
设Y是随机变量X的函数:Y=g(X)(g是连续函数)，
(1) X是离散型随机变量，它的分布律为P{X=xk}=pk ，k=1，2，…， 若
绝对收敛，则有 注释
A.在计算随机变量的函数Y=g(X)的期望时，我们可以先确定Y=g(X)的分布进而计算函数Y的期望E(Y)。但由前两章的讨论可以看出，确定Y=g(X)的分布并不容易。因此在计算随机变量函数的期望时，我们一般利用定理的结论去计算。定理的重要意义在于当我们求E(Y)时，不必知道Y的分布而只需知道X的分布就可以了。 B.在计算一些分布较复杂甚至难以确定的随机变量的期望时，如能将X表示成有限个简单随机变量之和，那么利用期望的性质计算就可大大简化我们的问题。这也是计算期望的一个技巧。
C.上述定理还可以推广到二个或二个以上随机变量的函数情况。例如，设Z是随机变量X，Y的函数Z=g(X，Y)(g是连续函数)，那么，Z也是一个随机变量，若二维随机变量(X，Y)的概率密度为f(x，y)则有
例1: 有5个相互独立工作的电子装置，它们的寿命Xk(k=1，2，3，4，5)服从同一指数分布，其概率密度为(θ>0) 注
对任意的随机变量，其数学期望不一定存在。
(1)随机变量X的取值为 三、数学期望的性质
数学期望具有以下几条重要性质(设以下所遇到的随机变量的期望是存在的)： (1) C为常数,则有E(C)=C； (2) 设X是一个随机变量，C常数，则有E(CX)=CE(X)； (3) 设X，Y是两个随机变量，则有
E(X+Y)=E(X)+E(Y)
这一性质可以推广到任意有限个随机变量之和的情况: (4) 设X，Y是相互独立的随机变量，则有:E(XY)=E(X)E(Y)
这一性质可以推广到任意有限个相互独立的随机变量之积的情况 证：只对连续型随机变量证明(3)和(4)。
设二维随机变量(X，Y)的概率密度为f(x，y)，其边缘概率密度为fX(x)，fY(y)。因为 第二节
例:甲、乙两射手，各射击十次，X,Y分别表示他们射中的环数，如表：
解：E(X)=9.0；E(Y)=9.0.
但直观上，他们射击的水平有差异，甲较稳定，相对与E(X)的偏离较小，所以甲的技术较好。
需要刻划随机变量在其中心位置附近分散程度的大小这一特征，其中最重要的是方差。 二、方差的定义
设X是一个随机变量，若E[X-E(X)]2存在，则称E[X-E(X)]2为X的方差，记为D(X)或Var(X)，即:D(X)=E[X-E(X)]2。
注释： (1)方差是随机变量X与其 “中心”E(X)的偏差平方的平均。它表达了X的取值与其期望值E(X)的偏离程度。若X取值较集中，则D(X)较小，反之，若取值较分散，则D(X)较大。
(2) 应用上，常用量
，称为标准差或均方差，记为?(X)=
(3) 对任意的随机变量D(X)不一定存在，例如
(Cauchy分布)，因为E(X)不存在,所以D(X)不存在。
例1．甲、乙两射手的例中，
3．方差的性质 假定以下所遇到的随机变量的方差存在:
(1) 设C是常数，则D(C)=0； (2) 设X是随机变量，
正在加载中，请稍后...

我要回帖

更多关于 数学期望E(E(X)) 的文章

 

随机推荐