设总体X服从几何分布,即有分布律P{X=k}=p(1-p)作业帮

来源:学生作业帮助网 编辑:作业帮 时间:2024/06/30 20:18:35
设随机变量X与Y相互独立,且服从同一分布,X的分布律为

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

设X~ε(λ),X1,X2,……是来自总体X的随机变量,和总体X独立的随机变量N服从均值为1/P的几何分布,求Y=(X1

这题就是把N从常量整数变成变量,如果是常量整数,Y服从正态分布,变成变量整数其实也服从正态分布,但此时E(Y)跟D(Y)就变了.但是也很好求,只是比较麻烦.E(X)=λ,D(X)=ε平方,E(N)=1

设随机变量x服从参数为p的几何分布,M>0为整数,Y=max(X,M),求E(Y)

用随机变量函数的期望公式.请采纳,谢谢!

概率论大数定理设总体X服从参数为2的泊松分布、X1,X2`````Xn为来自总体X的一个样本,则当n→∞,Yn=1/n(

Yn的极限应该是6吧.这里的Yn其实就是样本的二阶原点矩,记为A2.其一阶原点矩为1/n(X1+X2+……+Xn),记为A1.其二阶中心矩记为S^2.它们之间的关系为A2-A1^2=S^2.又因为X服

设总体X服从参数为λ的普阿松分布(泊松分布),它的分布律为:

首先写出似然函数LL=∏p(xi)=∏{[(λ^xi)/(xi!)]·e^(-λ)}=e^(-nλ)·∏{[(λ^xi)/(xi!)]=e^(-nλ)·λ^(∑xi)·∏1/(xi!)然后对似然函数取

设总体X服从参数为λ的泊松分布,X1.Xn是X的简单随机样本.求证:1/2(x的平均

求证什么?看不懂你的意思 你把题目打清楚点,我看看 就算这个统计量的方差是否是λ这里有

X服从自由度为3的卡方分布 ,从总体中抽取n个样本,为什么 X1+X2+X3服从自由度为9的卡方分布

是这样子的,X服从于自由度为3的卡方分布,则有X=x1^2+x2^2+x3^2从X里抽出三个样本,则X1,X2,X3都有上面X=·····的表达式.根据卡分分布的可加性,3*3=9.则有,X1+X2+

设随机变量X服从参数为p的几何分布,试证明:E(1/X)=(-plnp)/(1-p)

X和1/X对应的概率是一样的,都是p*(1-p)^(n-1),那么E(1/X)=∑(1/k)*p*(1-p)^(k-1),其中,k从1到无穷.E(1/X)=p/(1-p)∑[(1-p)^k]/k=p/

设总体X~N(0,σ^2),X1、X2为X的样本,求证(X1+X2)^2/(X1-X2)^2服从分布F(1,1)

N(0,σ^2)E(X1+X2)=EX1+EX2=0D(X1+X2)=DX1+DX2=2σ^2X1+X2~N(0,2σ^2)同理:X1-X2~N(0,2σ^2)所以1/√2σ(X1+X2)~N(0,1

设X和Y为独立随机变量,同服从参数为p的几何分布,计算已知X+Y 的条件下,X的条件概率.

P(X=x|X+Y=z)=P(X=x,Y=z-x)/P(X+Y=z)=(1-p)^(x-1)p(1-p)^(z-x-1)p/P(X+Y=z)再问:没有错,但是没有写完啊……P(X+Y=z)=?(考虑卷

设总体X~N(0.1) X1,X2,.Xn 为简单随机样本,试问该统计量是服从什么分布:{ [ (n/3)-1]* ∑'

首先要有卡方分布(χ2(n)分布)和F分布的基础.如果不知道这两个,需要先翻书复习.根据卡方分布定义,∑''3,i=1''Xi²满足自由度为3的卡方分布∑''n,i=4''Xi²满

设X服从泊松分布,且期望EX=5,写出其概率分布律

泊松分布P(X=k)=e^(-λ)*λ^k/k!期望和方差均为λEX=λ=5所以P(X=k)=e^(-5)*5^k/k

概率论!设随机变量X与Y服从同一分布,其分布律为X(Y)~

再问:能不能具体解释一下再答:再问:第二行和第三行我不是很懂?为什么是1/4?再答:P(X=0,Y=-1)+P(X=-1,Y=-1)+P(X=1,Y=-1)=P(Y=-1)=1/4但是P(X=-1,Y

设x,y是相互独立同服从几何分布的随机变量,即它们共同的分布率为p(x=k)=pq^(k-1),

解答过程如图,写出Z1,Z2取值与X,Y取值的关系就可计算了.经济数学团队帮你解答,请及时采纳.谢谢!

设总体X服从自由度为m的伽方分布,(X1,X2...Xn)是其中一个样本,求样本均值的密度函数

1.由伽方分布的性质有:\x0dY=X1+X2+...+Xn服从自由度为nm的伽方分布,记其密度为fY(t).\x0d2.样本均值Z=Y/n,Z的分布函数记为FZ(z)=P{Z<=z}=P{Y&