证明要用到重积分，而独立是再乘的关系下才用，E(AB)=EAEB需要独立，简单说下证明，E(X1+X2)=积分号(X1+X2)f(x1，x2)dxdy对x，y都从负无穷到正无穷积分，一解就是了，f(x1，x2)是密度函数，这是大学学的。期望其实相当于加权平均值，因此相加成立。例如甲得1分概率为30%，得2分概率...
期望的公式:E=X1*P1+X2*P2+X3*P3+.+Xn*Pn 方差的公式:D=(X1-E)的平方*P1+(X2-E)的平方*P2+(X3-E)的平方*P4+. +(Xn-E)的平方*Pn 对于2项分布(例子:在n次试验中有K次成功,每次成功概率为P,他的分布列求数学期望和方差)有EX=np DX=np(1-p) ,n为试验次数 p为成功的概率 对于几何分布...
发现看视频并没什么屌用啊,还是做题实在。 只记录一些常用公式吧: E(AB) = E(A)E(B) P(A|B) = P(AB)/P(B) E(AX + BY) = AE(X) + BE(Y) 朴素贝叶斯定理 参考资料: 【概率期望与计数】 - 肖然 的博客 - 洛谷博…
D(X+Y)=D(X)+D(Y)中的E[2(X-EX)(Y-EY)]由于X和Y的独立性,可以各自求期望,2E(X-EX)E(Y-EY),相对于把它看成E[2(X-a)(Y-b)],刚开始没理解。 以前计算都是2E[(X-EX)(Y-EY)]=2E[(X·Y-EX·Y-X·EY+EX·EY)]=2[E(X·Y)-EX·EY],再根据独立性进行判断的。其中Cov(X,Y)...
均匀分布的期望：均匀分布的期望是取值区间［a,b]的中点（a+b)/2。均匀分布的方差：var(x)=E-(E)²。重要分布的期望和方差：1、0-1分布：E(X)=p ,D(X)=p(1-p)。2、二项分布B(n,p)：P(X=k)=C(k\n)p^k·(1-p)^(n-k),E(X)=np,D(X)=np(1-p)。3、泊松分布...
伯努利分布是二项分布在n= 1时的特殊情况。X~ B(1,p)与X~ Bern(p)的意思是相同的。相反，任何二项分布B(n,p)都是n次独立伯努利试验的和，每次试验成功的概率为p。泊松近似 当试验的次数趋于无穷大，而乘积np固定时，二项分布收敛于泊松分布。因此参数为λ=np的泊松分布可以作为二项分布B(n,p)的近似，...
从1,2,3,4,5中任取一个数,记为X;再从1,2,…,X中任取一个数,记为Y,则Y的期望E(Y)=(A)5(B)4(C)3(D)2
#基本概念 随机变量:有多种可能的取值的变量 $P(A):$事件$A$发生的概率 $E(X):$随机变量X的期望值,\(E(X)=\Sigma[P(X=i)*i]\) 独立事件:互相不影响的事件,满⾜$P(AB)=P(A)P(B)$ 前提:\(A,B\);两个随机变量是独立的 对于独立事件,我们有$
正态分布，最初由法国数学家棣莫弗（A. D. Moivre）在1733年引入，最初的探索并未深入其在统计学上的应用，尤其是在误差分析方面。随后，高斯（C. F. Gauss）提出了关于“正态误差”的理论，并与拉普拉斯（P-S.Laplace）共同深入研究了正态分布的各项特性。 在现实世界中，许多自然和社会现象如考试成绩和人体...