x服从泊松分布,2x
来源:学生作业帮助网 编辑:作业帮 时间:2024/10/01 19:49:44
P{X=k}=e^(-a)a^(k)/k!1=sum_{k=0->正无穷}P{X=k}=sum_{k=0->正无穷}e^(-a)a^(k)/k!E{1/(X+1)}=sum_{k=0->正无穷}e^(
依题意可以得到λ=3,;所以E(X)=D(X)=3;而D(X)=E(X^2)-E(X)^2=3;所以E(X^2)=E(X)^2+D(X)=12;
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
相互独立且服从参数为λ1,λ2的泊松分布
因为x服从参数λ泊松分布所以P{X=k}=e^(-λ)*λ^k/k!设f(x)=Σ(k=0,+∞)k*(k-1)...(k-m+1)x^k/k!=x^m*Σ(k=0,+∞)k*(k-1)...(k-m
设X服从泊松分布,参数为λ,那么EX=λ,DX=λ,所以E[X(X-1)]=E(X^2)-EX=DX+(EX)^2-EX=λ+λ^2-λ=λ^2.也可以直接根据定义E[X(X-1)]=sum(n(n-
如果泊松参数为a,答案为(1-e^-a)/a,不保证算对,总之你把表达式展开应该能发现它和某个泰勒公式很相近
很简单啊.特征函数E(exp(itx)),其中x服从泊松分布,于是(我中间都是乘起来的,没写乘号而已)E(exp(itx))=sum(k从0到无穷)exp(itk)exp(-lambda)lambda
p(x=0)=0.4=e^(-λ)λ=-ln0.4p(x=1)=-0.4ln0.4p(x=2)=0.4ln²0.4p(x>2)=1-P(x=0)-P(x=1)-P(x=2)=1-0.4(ln
E(X^2)=E(X^2-X+X)=E[X(X-1)+X]=E[X(X-1)]+E(X)=∑(k=0→∞)k(k-1)T^ke^(-T)/k!+∑(k=0→∞)kT^ke^(-T)/k!=∑(k=2→
X服从正态分布,则X的平方服从卡方分布.
由E[(X-2)(X-3)]=E(x^2-5x+6)=E(x^2)+E(-5x+6)由泊松分布的数学期望公式得E(-5x+6)=-5E(x)+6=-5入+6E(x^2)=入^2+入则E[(X-2)(X
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
X~π(2)E(x)=2D(X)=2D(X)=E(X^2)-[E(X)]^22=E(X^2)-4E(X^2)=6
P(1),所以E(X)=1,D(X)=1,又因D(X)=E(X²)-E²(X),所以E(X²)=D(X)+E²(X)=2
因为$X\simP(2)$,所以,$\E{X}=2$,$\Var{X}=2$.所以$\E{X^2}=\Var{X}+\E{X}^2=2+2^2=6$,建议好好看看书上的随机变量数字特征这一章,因为$\
参数为2的泊松分布,其期望就等于参数2即,E(X)=2∴ E(2X)=2E(X)=4……【期望的性质E(CX)=CE(X)】再问:
P(X=2)=[9e^(-3)]/2
楼上的答案似乎不对P(X>1)=1-P(X=1)-P(X=0)=1-e^(-1)-e^(-1)-=1-2/e=0.26424
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