解：P(X=Y)=P(X=0)P(Y=0)+P(X=1)P(Y=1)=1/9+4/9=5/9 P(X=Y)=P(X=Y=0)+P(X=Y=1)=P(X=0)P(Y=0)+P(X=1)P(Y=1)=1/2*1/2+1/2*1/2=1/2 X+Y ~ B(2, p)。这是因为，随机变量X和Y相互独立du，且均服从于B(1,p)，X+Y相当于独立重复做了两次抛...
设X,Y是随机变量,现在求 E(X2) 或者E(XY) ,这两个期望的计算估计要难倒一大批的人,下面就介绍计算方法。 方法1:根据“期望”的定义来求,这是最通用也是最有效的方法。这个方法的唯一要求就是你要知道“概率 质量/密度 函数”,如果不知道那就不能用了。 方法2: 这是一个有时候非常讨巧的一个方法,很实...
因为，(X，Y)是二维离散型随机变量。所以，xy也是离散型随机变量。先求出xy的概率分布列。再求xy的期望：比如 P(x＝0)＝1/2，P(x＝1)＝1/2 P(y＝0)＝1/2，P(y＝1)＝1/2 则，P(xy＝0)＝3/4 P(xy＝1)＝1/4 所以，E(XY)＝0×(3/4)＋1×(1/4)＝1/4。当随机变量的可...
X+Y ~ N (0, 4)P(X+Y>2)=P(Z > (2-0)/2 )=P(Z >1)
=集合Ex的面积，其中Ex={（y，z），0<y，z<1和-x<y-z<x}，所以F（x）=1-（1-x）*（1-x）=2x-x*x，F（x）=0，当x≤0，F（x）=1，当1≤x。2。X的密度函数f，f（x）=F’（x）=2（1-x），0<x<1 f（x）=0，其他。X的数学期望=∫{0<x<1}xf（x）dx=1/3。
离散型随机变量的期望就是各个取值分别乘他们概率，然后相加。E（x）=0×（0.3+0.2）+1×（0.4+0.1）=0.5 E（Y）=0×（0.3+0.4）+1×（0.2+0.1）=0.3
1、一个常数的期望是这个常数本身，写作E(C)=C。2、一个常数乘以随机变量X的期望，等于这个常数乘以X的期望，写作E(cX)=cE(X)E(cX)=cE(X)。3、随机变量X加Y的期望，等于X和Y各自期望的和，写作E(X+Y)=E(X)+E(Y)E(X+Y)=E(X)+E(Y)。4、随机变量X减Y的期望，等于X和Y各自期望...
所以X^2+Y^2~χ^2(2)。基本类型 简单地说，随机变量是指随机事件的数量表现。例如一批注入某种毒物的动物，在一定时间内死亡的只数；某地若干名男性健康成人中，每人血红蛋白量的测定值；等等。另有一些现象并不直接表现为数量，例如人口的男女性别、试验结果的阳性或阴性等，但我们可以规定男性为1，...
=+a²D(X)+b²D(Y)X 服从正态分布,即X~N(μ,σ^2),则E(x)=μ,D(X)=σ^2 D（x）=0.6,D（y）=2 D(3X-Y)=9D(x)+D(Y）=9 ×0.6+2=7.4。0≤P(A)≤1 0≤P(B)≤1 0≤P(AB)≤1 设X、Y是相互独立的随机变量，则有E(XY)=E(X)E(Y)。
全期望公式是利用条件期望计算数学期望的公式：EY=E[E(Y|X)]。全期望公式是条件数学期望的一个非常重要的性质，其重要性堪比全概率公式在概率中的作用。简介 在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）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...