数学期望e(x^2)怎么求

二项分布的数学期望E（X^2)怎么求？

若X是离散型的，则E(X^2)=∑((xi)^2)pi。若X是连续型的，则E(X^2)=(x^2)f(x)在-∞到+∞的定积分。

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。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。

大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。

扩展资料：

设随机事件A在n次重复试验中发生的次数为nA，若当试验次数n很大时，频率nA/n稳定地在某一数值p的附近摆动，且随着试验次数n的增加，其摆动的幅度越来越小，则称数p为随机事件A的概率，记为P(A)=p。

如果随机变量只取得有限个值或无穷能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。

事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。

参考资料来源：百度百科——数学期望。

数学期望中E(X＾2)怎么算 没有D(X) 只有E(X)的值

因为x服从二项分布b(n,p),。

所以e(x)=np,

d(x)=npq而方差d(x)=e(x^2)-[e(x)]^2，因为e(x^2)=d(x)+[e(x)]^2=npq+(np)^2=np(q+np)，即due(x^2)=np(np+q)。

二项分布是重复次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。

扩展资料

两个二项分布的和

如果X~ B(n,p)和Y~ B(m,p)，且X和Y相互独立，那么X+Y也服从二项分布；它的分布为：

X+Y~ B（n+m，p）

伯努利分布

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，近似成立的前提要求n足够大，而p足够小，np不是很小。

数学期望，E(X)和E(X^2)有什么区别，什么意思，

数学期望为设X是一个随机变量，若E{[X-E(X)]^2}存在，则称E{[X-E(X)]^2}为X的方差，记为D(X),Var(X)或DX。即D(X)=E{[X-E(X)]^2}称为方差，而σ(X)=D(X)^0.5（与X有相同的量纲）称为标准差（或方差）。

连续性的随机变量的求数学期望 E(X²)怎么求？

区别：

1、数值不同E（X）=E（X），而E（X^2）=D（X）+E（X）*E（X）。

2、代表的意义不同，E（X）表示X的期望，而E（X^2）表示的是X^2的期望。

3、求解的方法不同，E（X^2）的求解为x^2乘以密度函数求积分，E（X）的求解为x乘以概率密度然后求积分。

扩展资料：

期望的性质：

设C为一个常数，X和Y是两个随机变量。以下是数学期望的重要性质：

1、E（C）=C。

2、E（CX）=CE（X）。

3、E（X+Y）=E（X）+E（Y）。

4、当X和Y相互独立时，E（XY）=E（X）*E（Y）。

性质3和性质4可以推到到任意有限个相互独立的随机变量之和或之积的情况。

由数学期望的性质得：

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

参考资料来源：百度百科-数学期望。

参考资料来源：百度百科-方差

E（x^2）期望值怎么算 是不是只要把x平方 p

要求EX^2，只知道EX还不够，至少要知道x是如何分布的，也即它的分布函数或者概率密度函数。

若X~N（1，3），则Dx=3，由DX=EX^2-(EX)^2及EX的值可以算出EX^2。若X~N（1，3），Y=3X+1，EY=E(3X+1)=3EX+1=3*1+1=4，DY=D（3X+1）=3^2*DX=9*DX=9*3=27，所以Y~N（4，27）。

3X与X+X+X没有区别。Z=X+Y的密度函数也要根据X,Y的概率密度f(xy)来求，一般用作图法计算，先算出分布函数F(Z)，再算密度函数f(z)，也可以直接积分计算：f(z)=将f(x，z-x)对x积分，这时的难点是确定好积分上下限。

如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。例如，一批电子元件的寿命、实际中常遇到的测量误差等都是连续型随机变量。

扩展资料：

能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定，变量取值只能取离散型的自然数，就是离散型随机变量。

x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3分钟、5分钟7毫秒、7√2分钟，在这十五分钟的时间轴上任取一点，都可能是等车的时间，因而称这随机变量是连续型随机变量。

参考资料来源：百度百科——连续型随机变量。

原文地址：http://www.qianchusai.com/%E6%95%B0%E5%AD%A6%E6%9C%9F%E6%9C%9Be(x%5E2)%E6%80%8E%E4%B9%88%E6%B1%82.html