可以利用公式：E(XY)=∑i*j*(Pij)，其中i为X的取值，j为Y的取值，Pij为对应于X=i，Y=j的联合分布列中的相应概率，求和是对所有的i，j求和。从而E(XY)=∑i*j*(Pij)中只要当X，或者Y取0时，相应的项都为0。进而：E(XY)=1*1*0.06+1*2*0.07+1*3*0.04+2*1*0.07+2*2*0....
解析：如果X、Y独立，则：E(XY)=E(X)*E(Y)如果不独立，可以用定义计算：先求出X、Y的联合概率密度，再用定义。或者先求出Cov(x，y)再用公式Cov(X，Y)=E(XY)--E(X)*E(Y)，D（X±Y）=D（X）+D(Y)±2*Cov(X，Y)。
如果X、Y独立,则:E(XY)=E(X)*E(Y)如果不独立,可以用定义计算:先求出X、Y的联合概率密度,再用定义。或者先求出Cov(x,y)再用公式 Cov(X,Y)=E(XY)--E(X)*E(Y),D(X±Y)=D(X)+D(Y)±2*Cov(X,Y)516分享举报您可能感兴趣的内容广告 律师成人自考已公布-需满足以下三个条件 律师成人自考...
X,Y的互协方差 = E[(X-E(X))(Y-E(Y)] = E[XY+E(X)E(Y)-E(X)Y-E(Y)X]= E[XY] + E(X) E(Y) - E(X)E(Y) - E(X)E(Y) = E[XY] - E(X)E(Y)E[XY] = X,Y的互协方差 + E(X)E(Y)或写成:E[XY] = E[(X-E(X))(Y-E(Y)] + E(X)E(Y)结果...
xy不独立算E（XY）用公式E（XY）=E(X)*E(Y)。E(XY)是数学期望。在概率论和统计学中，数学期望是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等...
由离散型变量的期望公式可知：同理：而对于每一个yj，可分别求得上式的每一个出来，下面给出一个的求法，另外3个求法类似：按此公式就可以求出了EXY=2.55了。
常见的推导公式 E(X+Y)=∑i∑j(xi+y)p(xi,xj)=∑i∑jxip(xi,xj)+∑i∑jyjp(xi,xj)=∑ixi∑jp(xi,xj)+∑iyj∑jp(xi,xj)=∑ip(xi)+∑iyjp(xj)=E(X)+E(Y) 看不太懂?换个方式,不用双重求和公式,甚至都不用求和公式。 另一种推导思路 ...
X,Y的互协方差 = E[(X-E(X))(Y-E(Y)] = E[XY+E(X)E(Y)-E(X)Y-E(Y)X]= E[XY] + E(X) E(Y) - E(X)E(Y) - E(X)E(Y) = E[XY] - E(X)E(Y)E[XY] = X,Y的互协方差 + E(X)E(Y)或写成:E[XY] = E[(X-E(X))(Y-E(Y)] + E(X)E(Y) 解析看不懂?
3. e的x次方除法法则：上述等式称为e的除法法则，它表示e的x次方除以y等于e的x/y次方，即e的x次方的1/y次幂等于e的x/y次幂，也就是e的x/y次幂等于e的x次幂开y次方。总之，e的x次方加减乘除运算法则是在求解数学问题中非常重要的一组公式。熟练掌握这些法则能够简化数学运算，提高计算效率。综上所述，数学...