设随机变量X服从参数y的泊松分布,且E(X—1)(X—2)=1,则P{X>=1}= 已知随机变量X服从参数为λ的泊松分布,且E[(X-1)(X-...

\u8bbe\u968f\u673a\u53d8\u91cfx\u670d\u4ece\u53c2\u6570\u4e3a\u03bb\u7684\u6cca\u677e\u5206\u5e03\uff0c\u4e14\u5df2\u77e5E[(x-1)(x-2)]=1\uff0c\u6c42\u03bb

\u03bb\u7b49\u4e8e1\u3002
\u89e3\uff1a\u56e0\u4e3ax\u670d\u4ece\u53c2\u6570\u4e3a\u03bb\u7684\u6cca\u677e\u5206\u5e03\uff0c
\u90a3\u4e48\u53ef\u77e5E(X)=\u03bb\uff0cD(X)=\u03bb\u3002
\u800cD(X)=E(X^2)-[E(X)]^2\uff0c
\u90a3\u4e48E(X^2)=\u03bb+\u03bb^2
\u53c8\u56e0\u4e3aE[(X-1)(X-2)]=E(X^2-3X+2)
=E(X^2)-E(3X)+E(2)
=\u03bb+\u03bb^2-3\u03bb+2
=\u03bb^2-2\u03bb+2
\u7531\u9898\u610f\u53ef\u77e5\uff0c\u03bb^2-2\u03bb+2=1\uff0c
\u89e3\u5f97\u03bb=1\u3002
\u6269\u5c55\u8d44\u6599\uff1a
1\u3001\u6cca\u677e\u5206\u5e03\u7684\u6027\u8d28
\uff081\uff09\u6cca\u677e\u5206\u5e03\u7684\u6982\u7387\u51fd\u6570\u4e3aP(X=k)=(\u03bb^k)/(k!)*e(-\u03bb)\uff0ck=0\uff0c1\uff0c2\uff0c3 ...
\uff082\uff09\u6cca\u677e\u5206\u5e03\u7684\u671f\u671b\u548c\u65b9\u5dee\u5747\u4e3a\u03bb\u3002
2\u3001\u6982\u7387\u5bc6\u5ea6\u51fd\u6570f(x)\u7684\u6027\u8d28
\uff081\uff09f(x)\u22650\uff0c
\uff082\uff09\u222b(-\u221e,+\u221e)f(x)dx=1\uff0c
\uff083\uff09\u222b(a,b)f(x)dx=P(a\u2264x\u2264b)\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6982\u7387\u5bc6\u5ea6\u51fd\u6570
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6cca\u677e\u5206\u5e03


首先E(X-1)(X-2)=E(X^2-3X+2)=1.
因为DX=EX=Y.
解出来Y=1.
带入到泊松分布中,因为泊松分布是从0开始到正无穷。
所以P{X>=1}=1-e

  • 璁鹃殢鏈哄彉閲廥鏈嶄粠鍙傛暟y鐨勬硦鏉鍒嗗竷,涓擡(X鈥1)(X鈥2)=1,鍒橮{X>=1}=
    绛旓細棣栧厛E(X-1)(X-2)=E(X^2-3X+2)=1.鍥犱负DX=EX=Y.瑙e嚭鏉=1.甯﹀叆鍒娉婃澗鍒嗗竷涓紝鍥犱负娉婃澗鍒嗗竷鏄粠0寮濮嬪埌姝f棤绌枫傛墍浠{X>=1}=1-e
  • 璁鹃殢鏈哄彉閲弜鏈嶄粠鍙傛暟涓y鐨勬硦鏉鍒嗗竷,浣跨敤鍒囨瘮闆か涓嶇瓑寮忚瘉鏄巔(0<x<2...
    绛旓細鍒囨瘮闆か涓嶇瓑寮忔槸璇碢{|X-EX|<蔚}>=1-DX/蔚^2 y涓鍙傛暟鐨勬硦鏉鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊閮芥槸y,鐩存帴浠e叆灏辨湁p锛0锛x锛2y锛夆墽锛1-1锛弝锛
  • 璁鹃殢鏈哄彉閲廥鏈嶄粠鍙傛暟位=1鐨勬硦鏉鍒嗗竷,璁伴殢鏈哄彉閲廦= ,璇曟眰闅忔満鍙橀噺Y鐨勫垎...
    绛旓細鎵浠y(y)鏄笂寮忕殑绉垎锛屼负1-1/y锛岋紙y>=1)鎵浠y(y)鏄笂寮忕殑瀵兼暟锛屼负1/y^2锛岋紙y>=1)锛屽叾浣欎负0銆傜敱浜闅忔満鍙橀噺X鐨勫彇鍊煎彧鍙栧喅浜庢鐜囧瘑搴﹀嚱鏁扮殑绉垎锛屾墍浠ユ鐜囧瘑搴﹀嚱鏁板湪涓埆鐐逛笂鐨勫彇鍊煎苟涓嶄細褰卞搷闅忔満鍙橀噺鐨勮〃鐜般傝繛缁瀷鐨勯殢鏈哄彉閲忓彇鍊煎湪浠绘剰涓鐐圭殑姒傜巼閮芥槸0銆備綔涓烘帹璁猴紝杩炵画鍨嬮殢鏈哄彉閲忓湪鍖洪棿涓...
  • 宸茬煡闅忔満鍙橀噺X鏈嶄粠鍙傛暟涓3鐨勬硦鏉鍒嗗竷,Y鏈嶄粠鍙傛暟涓2鐨勬硦鏉惧垎甯,涓擷涓嶻...
    绛旓細銆愮瓟妗堛戯細鏈嶄粠Poi(5)瑙f瀽锛氳X1鏈嶄粠鍙傛暟涓何1鐨勬硦鏉惧垎甯冿紝璁綳2鏈嶄粠鍙傛暟涓何2鐨勬硦鏉惧垎甯冦傚垯瀵逛簬浠绘剰闈炶礋鏁存暟k锛屾湁 P(X1 = k) = e^(-位1) * 位1^k / k!P(X2 = k) = e^(-位2) * 位2^k / k!浜庢槸(sum琛ㄧず姹傚拰)P(X1 + X2 = m) = sum (P(X1 = k)P(X2 = m -...
  • 璁鹃殢鏈哄彉閲弜鏈嶄粠鍙傛暟涓何鐨勬硦鏉鍒嗗竷,闅忔満鍙橀噺Y鍦0鑷硏涔嬮棿浠诲彇涓涓潪璐...
    绛旓細璁鹃殢鏈哄彉閲弜鏈嶄粠鍙傛暟涓何鐨勬硦鏉鍒嗗竷,闅忔満鍙橀噺Y鍦0鑷硏涔嬮棿浠诲彇涓涓潪璐熸暣鏁,姹傛鐜嘝=(Y=2) 1涓洖绛 #鐑# 缃戞枃璐ㄩ噺鏄笉鏄笅闄嶄簡?澶滆壊_鎵颁汉鐪 2014-07-24 路 TA鑾峰緱瓒呰繃1771涓禐 鐭ラ亾澶ф湁鍙负绛斾富 鍥炵瓟閲:978 閲囩撼鐜:0% 甯姪鐨勪汉:668涓 鎴戜篃鍘荤瓟棰樿闂釜浜洪〉 鍏虫敞 灞曞紑鍏ㄩ儴 鏈洖绛旇...
  • .璁鹃殢鏈哄彉閲弜鏈嶄粠姝f佸垎甯,y娉婃澗鍒嗗竷,骞朵笖涓庣殑鐩稿叧绯绘暟涓0.5,鍒欐湁D...
    绛旓細D(X)=蟽^2 D(Y)=位 pxy=Cov(X,Y)/鏍瑰彿(D(X)D(Y))Cov(x,y)=pxy(蟽)鏍瑰彿位=0.5(蟽)鏍瑰彿位 D(3x-2y)=D(3x)+D(-2y)+2Cov(3x,-2y)=9D(x)+4D(y)-12Cov(x,y)=9蟽^2+4位-6(蟽)鏍瑰彿位
  • 璁鹃殢鏈哄彉閲廥鏈嶄粠鍙傛暟涓*鐨勬硦鏉鍒嗗竷,涓斿凡鐭[(x鈥2)(x鈥3)]=2,姹*...
    绛旓細浣犲ソ锛X鏈嶄粠鍙傛暟涓何鐨勬硦鏉鍒嗗竷鏃禘(X)=位,E(X^2)=位+位^2锛岀敱浜嶦[(X-2)(X-3)]=E(X^2-5X+6)=E(X^2)-5E(X)+6=(位^2)-4位+6=2锛屾墍浠ュ彲浠ヨВ鍑何=2銆傜粡娴庢暟瀛﹀洟闃熷府浣犺В绛旓紝璇峰強鏃堕噰绾炽傝阿璋紒
  • 璁鹃殢鏈哄彉閲廥鏈嶄粠姝f佸垎甯僋(1,2),Y鏈嶄粠娉婃澗鍒嗗竷P(2)銆傛眰鏈熸湜E=(2X鈥y+...
    绛旓細銆愮瓟妗堛戯細瑙o細鏈鑰冩煡涓浜涢噸瑕佸垎甯冪殑鏁板瓧鐗瑰緛涓鍙傛暟涔嬮棿鐨勫叧绯汇侲锛X锛=1锛孍锛y锛=2 E锛2X-y+3锛=2E锛圶锛-E锛坹锛+3=3銆
  • 鍋囪闅忔満鍙橀噺x鍜寉鐩镐簰鐙珛鈥﹂兘鏈嶄粠鍙傛暟涓哄叆鐨勬硦鏉鍒嗗竷鈥︽眰闅忔満鍙橀噺U...
    绛旓細杩欎釜鎸夌収瀹氫箟鍋氬晩锛岃繃绋嬪涓嬶細
  • 璁鹃殢鏈哄彉閲廥鏈嶄粠鍙傛暟涓何鐨勬硦鏉鍒嗗竷,涓擯{X=0}=1/3,鍒櫸= 姹傝瑙鐧惧害...
    绛旓細P{X=0}=e^(-位)=1/3 位=ln3 濡傛湁鎰忚锛屾杩庤璁猴紝鍏卞悓瀛︿範锛涘鏈夊府鍔╋紝璇烽変负婊℃剰鍥炵瓟锛
  • 扩展阅读:随机变量x~u(0 ... 泊松分布p x 1 e 3x-1 ... 1) ... 设随机变量x n 0 1 ... 随机变量x~n(1 ... 随机事件是样本空间的 ... 4) ... x n 1 4 什么意思 ... 设随机变量x n σ 求e ...

    本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网