设随机变量X的期望E(X)=100

来源:学生作业帮助网 编辑:作业帮 时间:2024/07/17 08:02:59
设连续随机变量X的分布函数F(x),且数学期望存在,证明:E(X)=∫∞0[1-F(x)]dx-∫0-∞F(x)dx

证明:右边=∫[0→+∞][1-F(x)]dx-∫[-∞→0]F(x)dx下面用分部积分=x[1-F(x)]|[0→+∞]+∫[0→+∞]xF'(x)dx-xF(x)|[-∞→0]+∫[-∞→0]xF

设两个独立随机变量X,Y的数学期望分别为1与5,则E(XY)=(?)

X与Y独立时,E(XY)=E(X)E(Y)=1*5=5,答案是(B).即经济数学团队帮你解答,请及时采纳.

设随机变量X的概率密度为 f(x)=e^-x,x>0 求Y=2X,Y=e^-2x的数学期望

(1).EY=2E(X)=2(2)E(Y)=∫(-∞,+∞)f(x)e^(-2x)dx=1/3如有意见,欢迎讨论,共同学习;如有帮助,

设随机变量x服从(0,1)上的均匀分布,求Y=e^X的数学期望和方差

XU(0,1)密度函数:等于:1当0再问:这是标准答案了吧?再答:按公式计算而得:若x的概率密度函数为f(x),那么随机变量x的函数g(x)的数学期望和方差分别为:E[g(x)]=∫g(x)f(x)d

设随机变量x服从(0,1)上的均匀分布,Y=e^x 求y的数学期望 和 方差

楼上方差错了方差(x*(e^x-1)^2在(0,1)上的积分)

设随机变量x的数学期望与方差均存在且D(x)>0,称x*=(x-E(x))/√D(x)为x的标准化的随机变量,证明:E(

这个不需要证明对任意的随机变量的分布经过标准化处理后都服从标准正态分布N(0,1)再问:那个原题就是这样.....应该也有个推导过程吧?再答:E(x*)=E[x-E(x)/√D(x)]=[E(x)-E

设随机变量X服从正态分布N(μ,1),则随机变量函数Y=e^tX(e的tX次方)的期望为?大概说下解题方法就可以

记X的pdf为f1(x),Y的pdf为f2(y),y=g(x)=e^txf1(x)dx=f2(y)dyEy=∫yf2(y)dy=∫g(x)f1(x)dx后面带进去计算就行了

设随机变量X的数学期望存在,则E(E(E(X)))= .

E(X)已经是一个数,它的期望还是它本身E(X)

设随机变量x概率密度如下:fx(x)={1-a^3/x^3 x>=a 0 x0求E(x)[求数学期望]

E(x)=∫(积分上限正无穷,积分下限为a)x*[1-(a/x)^3]dx=(1/2*x^2+a^3*x^-1)|(上限为正无穷,下限为a)=+∞+0-1/2*a^2-a^2=+∞-3/2*a^2因为

设随机变量X服从参数为1的指数分布,则数学期望E{X+e-2X}= ___ .

/>∵X服从参数为1的指数分布,∴X的概率密度函数f(x)=e-x,x>00,x≤0,且EX=1,DX=1,∴Ee-2x=∫+∞0e-2x•e-xdx=-13e-3x|+∞0=13,于是:E(X+e-

随机变量X的数学期望

解题思路:本题主要充分理解正态分布的意义,u即是数学期望,也是正态分布密度函数的对称轴.解题过程:正态分布是连续型的随机变量,记作X-N(u,g2),其中u为期望,也是正态分布密度函数的对称轴,g2是

设随机变量X的概率分布密度为f(x)=1/2e^-|x|,x属于R,求X的数学期望和方差.

密度函数关於y轴对称,偶函数,期望肯定是0E(X²)=1/2{∫(~0)x²e^(x)dx+∫(0~)x²e^(-x)dx}=(1/2)2∫(0~)x²e^(-

数学期望计算设随机变量X的概率密度为f(x)={cx^a,0《x《1,{0 ,其他.且E(X)=0.75,求常数c和a

加上从0到1对概率密度积分得值为1条件就可以找到等式c=a+1,加上你的条件就可以得到a=2.c=3.

随机变量X在(-1,2)上服从均匀分布,求随机变量Y=|X|/X的数学期望E(Y)和方差D(Y).

Y=1当x大于0概率2/3Y=-1当x小于0概率1/3E(Y)=1*2/3+(-1)*1/3=1/3D(Y)=E(Y^2)-E(Y)^2=1-1/9=8/9

随机变量X的概率密度函数f(x)=1/2 e的-|x|次方 求期望E(x).知道结果是0,但是求不出来

如果你想硬算的话,E(x)=∫(-∞→+∞)f(x)xdx=1/2∫(-∞→+∞)xe^(-|x|)dx=1/2∫(-∞→0)xe^xdx+1/2∫(0→+∞)xe^(-x)dx=1/2∫(-∞→0)

设随机变量X服从参数为λ的泊松分布,即X~P(λ),已知P(X=1)=P(X=2),则X的期望E(X)为多少

P(X=k)=(λ^k/k!)*e^(-λ)E(X)=λP(X=1)=(λ^1/1!)*e^(-λ)=λ*e^(-λ)P(X=2)=(λ^2/2!)*e^(-λ)=0.5λ^2*e^(-λ)λ*e^(