y=e^-2x的数学期望

来源:学生作业帮助网 编辑:作业帮 时间:2024/06/15 21:41:20
数学期望中能否由E(XY)=E(X)+E(Y)推出X,Y相互独立

我记得不可以,x,y要是一个离散一个连续呢

求教一道统计学试题,已知随机变量X和Y的数学期望和方差依次为E(X)=2,E(Y)=5,D(X)=3,D(Y)=6,求W

E(W)=E(2X+3Y)=E(2X+3Y)=2E(X)+3E(Y)=19;同理有:E(Z)=-11;D(W)=D(2X+3Y)=E((2X+3Y)^2)-(E(2X+3Y))^2=E(4X^2+12

设两个独立随机变量X,Y的数学期望分别为1与5,则E(XY)=(?)

X与Y独立时,E(XY)=E(X)E(Y)=1*5=5,答案是(B).即经济数学团队帮你解答,请及时采纳.

设随机变量X的概率密度为 f(x)=e^-x,x>0 求Y=2X,Y=e^-2x的数学期望

(1).EY=2E(X)=2(2)E(Y)=∫(-∞,+∞)f(x)e^(-2x)dx=1/3如有意见,欢迎讨论,共同学习;如有帮助,

设随机变量x服从(0,1)上的均匀分布,求Y=e^X的数学期望和方差

XU(0,1)密度函数:等于:1当0再问:这是标准答案了吧?再答:按公式计算而得:若x的概率密度函数为f(x),那么随机变量x的函数g(x)的数学期望和方差分别为:E[g(x)]=∫g(x)f(x)d

设随机变量x服从(0,1)上的均匀分布,Y=e^x 求y的数学期望 和 方差

楼上方差错了方差(x*(e^x-1)^2在(0,1)上的积分)

概率论与数理统计题设随机变量X与Y相互独立且服从N(0,1/2)的正态分布,则随机变量序列|X-Y|的数学期望E|X-Y

随机变量X与Y相互独立且服从N(0,1/2)的正态分布所以Z=X-Y服从标准正态分布N(0.1)E|X-Y|=E|Z|=(2π)^(-0.5)*∫【-∞,+∞】|z|e^(-z^2/2)dz=√(2/

离散型随机变量X平方的数学期望,即E[X^2]怎么求?

如果知道X的分布律,先求出X^2的分布律,再求期望,如果不知道可以考虑楼上的方法……不是……X^204p0.30.7因此

指数分布的数学期望 已知X服从参数为1的指数分布 Y=X+e^(-2X) 求EY与DY

提示:EY=E(X+e^(-2X))=EX+E(e^-2X)前面的EX=1,后面的式子根据期望的定义式.求出不理解,可以继续提问再问:指数的f(x)是什么?再答:x>0时f(x)=e^xx

设随机变量X的数学期望存在,则E(E(E(X)))= .

E(X)已经是一个数,它的期望还是它本身E(X)

随机变量X服从区间[0,2π]上的均匀分布,求数学期望E(sinx)

概率密度函数:f(x)=1/(2π)x:[0,2π]=0其它xE(sinx)=(1/2π)∫(2π,0)sinxdx=-(1/2π)cosx|(2π,0)=0即:E(sinx)=0.

已知X和Y各自的数学期望以及他们各自平方的数学期望,求两变量乘积的数学期望

Exy=Ex^2+Ey^2+Ex+Ey前提是XY独立再问:是E(y^2)还是Ey^2再答:E(y^2)

一道数学期望证明题已知r(x)是x的函数,s(y)是y的函数.证明:E(r(X)s(Y)|X)=r(X)E(s(Y)|X

E(r(x)s(y)|x)=integral(r(x)s(y)f(x,y)/f(x))dy=r(x)*integral(s(y)f(x,y)/f(x))dy=r(x)E(s(y)|x)第二个:在给定X

设随机变量X和Y的数学期望分别为-2和2

切比雪夫不等式:设X的方差存在,对任意ε>0P{|X-EX|>=ε}

设X的概率分布为 ,求:1)Y=2X的数学期望; 2) 的数学期望.

Y=2X的数学期望E(2x)=∫2x*e^(-x)dxx∈(0,+∞)=-2x*e^(-x)-2e^(-x)代入积分区间(0,+∞)E(2x)=0+2=2第二问到底要求那个函数的数学期望?

设随机变量X服从参数为1的指数分布,则数学期望E{X+e-2X}= ___ .

/>∵X服从参数为1的指数分布,∴X的概率密度函数f(x)=e-x,x>00,x≤0,且EX=1,DX=1,∴Ee-2x=∫+∞0e-2x•e-xdx=-13e-3x|+∞0=13,于是:E(X+e-

随机变量X的数学期望

解题思路:本题主要充分理解正态分布的意义,u即是数学期望,也是正态分布密度函数的对称轴.解题过程:正态分布是连续型的随机变量,记作X-N(u,g2),其中u为期望,也是正态分布密度函数的对称轴,g2是

随机变量X在(-1,2)上服从均匀分布,求随机变量Y=|X|/X的数学期望E(Y)和方差D(Y).

Y=1当x大于0概率2/3Y=-1当x小于0概率1/3E(Y)=1*2/3+(-1)*1/3=1/3D(Y)=E(Y^2)-E(Y)^2=1-1/9=8/9