X服从泊松分布求E[(1-1 n)^Xi]=-搜答案-拍题作业网

P{X=k}=e^(-a)a^(k)/k!1=sum_{k=0->正无穷}P{X=k}=sum_{k=0->正无穷}e^(-a)a^(k)/k!E{1/(X+1)}=sum_{k=0->正无穷}e^(

这是二维的Maxwell分布,你学大学物理会遇到三维的.不过对于只求期望的话,不用求它的分布函数.E((X^2+Y^2)^(1/2))=∫∫(x^2+y^2)^(1/2)dF(x,y)=∫∫(x^2+

E(Z)=E(X^2+Y^2)=E(X^2)+E(Y^2)=[DX+(EX)^2]+[DX+(EX)^2]=1+0+1+0=2因为DX=E(X^2)-(EX)^2D(Z)=D(X^2+Y^2)=D(X

由于相互独立,EXY=EX*EY=1*2=2泊松分布的期望等于纳姆达=1二项分布的期望等于np=4*0.5=2

再问：求详解过程再答：

E[（X-1）（X-2）]=E[X^2-3X+2]=EX^2-3EX+2EX=λDX=λEX^2=DX+(EX)^2=λ+λ^2即λ^2-2λ+2=1得λ=1

因为x服从参数λ泊松分布所以P{X=k}=e^(-λ)*λ^k/k!设f(x)=Σ(k=0,+∞)k*(k-1)...(k-m+1)x^k/k!=x^m*Σ(k=0,+∞)k*(k-1)...(k-m

设X服从泊松分布,参数为λ,那么EX=λ,DX=λ,所以E[X(X-1)]=E(X^2)-EX=DX+(EX)^2-EX=λ＋λ^2－λ=λ^2.也可以直接根据定义E[X(X-1)]=sum(n(n-

如果泊松参数为a,答案为(1-e^-a)/a,不保证算对,总之你把表达式展开应该能发现它和某个泰勒公式很相近

E(X^2)=E(X^2-X+X)=E[X(X-1)+X]=E[X(X-1)]+E(X)=∑(k=0→∞)k(k-1)T^ke^(-T)/k!+∑(k=0→∞)kT^ke^(-T)/k!=∑(k=2→

因为X服从泊松分布,所以DX=EX=5,则D(X–1)=DX=5

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

根号(2*pi)积分可以化成极坐标做.

Z=max(x,y)当x,y)独立时,F(z)=[Fx(z)]^2-->fz(z)=2fx(z)F(z)E[MAX（X,Y）]=∫2zf(z)F(z)dz(代入标准正态分布密度函数,经分步积分可以算出

经济数学团队为你解答.满意请及时评价.谢谢!

P（1）,所以E（X）=1,D（X）=1,又因D（X）=E(X²)-E²（X）,所以E(X²)=D（X）+E²（X）=2

limn->无穷Σ(x=0~n)e^-λ(λ^x/x!(x+1))=[(e^-λ)/λ]{Σ(x=0~n)λ^(x+1)/(x+1)!}={(e^-λ)/λ}(e^λ-1)={1-e^(-λ)}/λ

(a-5)/2=1.29a-5=2.58a=7.58-

X~N(1,2）则E(X)=1,Y服从参数为3的泊松分布,则E（Y）=3；E(Y^2)=3^2+3=12;E(X^2)=1;D（xy）=E[（xy）^2]-E^2（xy)=E(x^2y^2)-E^2(