服从自由度为n的数学期望

来源:学生作业帮助网 编辑:作业帮 时间:2024/06/03 02:14:56
设随机变量X服从参数为3的泊松分布,则X平方数学期望,

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;

在概率论中,(n-1)s2/δ2 明显是n个标准正态分布之和,为什么它却服从自由度为n-1的Χ2分布呢?

因为样本标准差S^2公式里面包含了均值这样一个限定条件,所以它的自由度是n-1;而且,(n-1)s2/δ2最后的计算结果也是n-1个标准正态分布.如果是总体标准差,那就是服从n的卡方分布.

随机变量的数学期望设随机变量ξ,η相互独立,ξ服从参数为λ的指数分布,η服从参数为n,p(0

因为随机变量ξ,η相互独立,所以E(ξη)=E(ξ)E(η)而E(ξ)=1/λ,E(η)=np所以E(ξη)=np/λ

《概率论题目求解》已知随机变量X服从自由度为n的t分布,则随机变量X方的服从的分布是?...

明显是F分布,而且是F(1,3).关于F分布你百度百科查一下就知道了.而t分布的话,比如自由度是3,他的分子是正态分布,分母是根号下的Y除以自由度3,其中Y是服从卡方分布的随机变量.所以平方后,分子是

X服从二项分布,求X平方的数学期望

B(n,p),EX=np,DX=np(1-p)∵E【X²】=DX+(EX)²所以E【X²】=np(1-np)+(np)²再问:连续和离散随机变量都符合这个E【X

概率统计:已知随机变量X服从自由度为3的t分布,则X的平方服从什么分布?

楼上真是扯淡啊.明显是F分布,而且是F(1,3).关于F分布你百度百科查一下就知道了.而t分布的话,比如自由度是3,他的分子是正态分布,分母是根号下的Y除以自由度3,其中Y是服从卡方分布的随机变量.所

z服从自由度为n的卡方分布,那么2z也服从自由度为n的卡方分布?

你觉得可能吗……相当于卡方中每个正态分布乘以了根号2倍,就不是标准正态分布了应该说是(2z)/2服从卡方

设随机变量X服从自由度为k的t分布,证明随机变量Y=X^2服从自由度为(1,k)的F的分布

因为X~t(k),由定义可令X=A/根号下B/k,其中A~N(0,1),X^2(k)分布Y=X^2=A^2/(B/k),因为A~N(0,1),所以A^2~X^2(k)Y=(A^2/1)/(B/K),则

matlab求积分X服从自由度为3的卡方分布,Y=sqrt(X),求Y的期望,有人能编写这个程序吗,或者告诉数学求法.

先把你要表达的东西用数学式子完整写出来.再问:卡方分布的密度函数在matlab中可以用chi2pdf(x,3)来求解,Y=sqrt(X),matlab的表达式为f=sqrt(x)*chi2pdf(x,

随机变量X服从二项分布B(n,p,数学期望E(X)=3 ,标准差为根号6/2 .则n= ,p=

解有题意知np=3①np﹙1-p﹚=3/2②解方程组得p=1/2,n=6再问:标准差np(1-p)应该是:根号6/2,而不是3/2啊..................................

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N=36P=1/3的二项分布,求X的数学期望和方差

这个有公式的呀,E(X)=np,Var(X)=np(1-p)所以E(X)=36×1/3=12,Var(X)=36×1/3×2/3=8.

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-

统计学里 服从自由度为(n-1)的t分布什么意思啊

t分布是学生是分布,若X服从正态分布N(0,1),Y服从卡方分布χ^2(n),则X/(Y/n)^0.5服从t(n)分布.n-1是自由度,t取值大小只与自由度有关.

自由度为n的卡方分布,t分布,F(m,n)分布的期望和方差是多少

卡方分布:E(X)=n,D(X)=2nt分布:E(X)=0(n>1),D(X)=n/(n-2)(n>2)F(m,n)分布:E(X)=n/(n-2)(n>2)D(X)=[2n^2*(m+n-2)]/[m

概率论 设随机变量服从参数为1的指数分布,令Y=max{X,2},求Y的数学期望

pdf(概率密度)fx=exp(-x)cdf(累计概率)Fx=1-exp(-x)那么x2的概率=exp(-2),反正是连续函数,等号无所谓E[Y]=p(x2)]=2-2exp(-2)+E[X(>2)]