二维离散型随机变量的E(XY)如何算？(X和Y不相互独立) 期望值E（XY）怎么求，X，Y不独立
\u4e8c\u7ef4\u79bb\u6563\u578b\u968f\u673a\u53d8\u91cf\u7684 E\uff08xy\uff09\u600e\u4e48\u6c42\uff1f \u79bb\u6563\u578b \u79bb\u6563\u578b \u79bb\u6563\u578b \u4e0d\u662f\u8fde\u7eed\u578b\uff01\uff01\uff01\u79bb\u6563\u578b\u968f\u673a\u53d8\u91cf\u5206\u5e03\u5217\uff0c\u559c\u6b22\u7684\u70b9\u51fb\u4e3b\u9875\u5173\u6ce8\uff01
\u5982\u679c\u6709\u8054\u5408\u5206\u5e03\u5f8b\u7684\u8bdd\uff0cE\uff08XY\uff09=(X1)* (Y1)*(P1)+ (X2)*( Y2)*(P2)+\u2026
\u4ee5\u6b64\u8054\u5408\u5206\u5e03\u8868\u4e3a\u4f8b\uff1a
\u6269\u5c55\u8d44\u6599\uff1a\u82e5\u4e24\u4e2a\u968f\u673a\u53d8\u91cfX\u548cY\u76f8\u4e92\u72ec\u7acb\uff0c\u5219E[(X-E(X))(Y-E(Y))]=0\uff0c\u56e0\u800c\u82e5\u4e0a\u8ff0\u6570\u5b66\u671f\u671b\u4e0d\u4e3a\u96f6\uff0c\u5219X\u548cY\u5fc5\u4e0d\u662f\u76f8\u4e92\u72ec\u7acb\u7684\uff0c\u4ea6\u5373\u5b83\u4eec\u4e4b\u95f4\u5b58\u5728\u7740\u4e00\u5b9a\u7684\u5173\u7cfb\u3002
\u534f\u65b9\u5dee\u4e0e\u65b9\u5dee\u4e4b\u95f4\u6709\u5982\u4e0b\u5173\u7cfb\uff1a
D(X+Y)=D(X)+D(Y)+2Cov(X\uff0cY)
D(X-Y)=D(X)+D(Y)-2Cov(X\uff0cY)
\u534f\u65b9\u5dee\u4e0e\u671f\u671b\u503c\u6709\u5982\u4e0b\u5173\u7cfb\uff1a
Cov(X\uff0cY)=E(XY)-E(X)E(Y)\u3002
\u534f\u65b9\u5dee\u7684\u6027\u8d28\uff1a
\uff081\uff09Cov(X\uff0cY)=Cov(Y\uff0cX)\uff1b
\uff082\uff09Cov(aX\uff0cbY)=abCov(X\uff0cY)\uff0c\uff08a\uff0cb\u662f\u5e38\u6570\uff09\uff1b
\uff083\uff09Cov(X1+X2\uff0cY)=Cov(X1\uff0cY)+Cov(X2\uff0cY)\u3002
\u7531\u534f\u65b9\u5dee\u5b9a\u4e49\uff0c\u53ef\u4ee5\u770b\u51faCov(X\uff0cX)=D(X)\uff0cCov(Y\uff0cY)=D(Y)\u3002
具体回答如图：
当随机变量的可取值全体为一离散集时称其为离散型随机变量，否则称其为非离散型随机变量，这是很大的一个类，其中有一类是极其常见的，随机变量的取值为一(n)维连续空间。
扩展资料：
随机变量即在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。
随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。
如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。
随机变量与模糊变量的不确定性的本质差别在于，后者的测定结果仍具有不确定性，即模糊性。
参考资料来源：百度百科--离散性随机变量
参考资料来源：百度百科--二维离散型分布
可以用公式计算XY的期望，前提是知道联合概率表或联合概率密度。经济数学团队帮你解答，请及时评价。谢谢！
绛旓細1锛夊鏋淴Y鐙珛 E(XY)=E(X)E(Y锛2锛夊鏋滀笉鐙珛锛岃嫢鏄绂绘暎鐨锛屽垯 鈭戔垜XiYjPij (i=1,2,3鈥..,j=1,2,3鈥..)鑻ユ槸杩炵画鐨勶紝鍒欌埆鈭玿yf(xy)dxdy (f(xy)涓哄瘑搴﹀嚱鏁)姹桽杩欓噷鐪熶笉濂芥墦鍑烘潵绉垎涓婁笅闄愶紝瀹氫箟鏄粠璐熸棤绌风Н鍒版鏃犵┓锛屼絾瀹為檯闂鏄粠瀵嗗害鍑芥暟涓嶄负闆剁殑鑼冨洿绉垎锛岀鏁ｇ殑涓嶇敤璇翠簡...
绛旓細濡傛灉X銆乊鐙珛锛屽垯锛E(XY)=E(X)*E(Y)銆傚鏋滀笉鐙珛锛屽彲浠ョ敤瀹氫箟璁＄畻锛氬厛姹傚嚭X銆乊鐨勮仈鍚堟鐜囧瘑搴︼紝鍐嶇敤瀹氫箟銆傛垨鑰呭厛姹傚嚭Cov(x,y)鍐嶇敤鍏紡 Cov(X,Y)=E(XY)--E(X)*E(Y)銆侱锛圶卤Y锛=D锛圶锛+D(Y)卤2*Cov(X,Y)銆绂绘暎鍨嬮殢鏈哄彉閲涓庤繛缁瀷闅忔満鍙橀噺閮芥槸鐢遍殢鏈哄彉閲忓彇鍊艰寖鍥(鍙栧)纭畾...
绛旓細E锛x/y=2锛=锛1*0.03+2*0.05+3*0.05+4*0.05+5*0.06锛/0.25=3.12
绛旓細璁＄畻鍏紡涓E(XY)=鈭埆xyf(x锛寉)dxdy锛岀Н鍒嗚寖鍥存槸鏁翠釜骞抽潰锛屽叾涓璮(x,y)鏄仈鍚堟鐜囧瘑搴︺浜岀淮闅忔満鍙橀噺( X锛孻)鐨勬ц川涓嶄粎涓嶺 銆乊 鏈夊叧,鑰屼笖杩樹緷璧栦簬杩欎袱涓闅忔満鍙橀噺鐨鐩镐簰鍏崇郴銆傚洜姝わ紝閫愪釜鍦版潵鐮旂┒X鎴朰鐨勬ц川鏄笉澶熺殑锛岃繕闇灏嗭紙X锛孻锛変綔涓轰竴涓暣浣撴潵鐮旂┒銆傝E鏄竴涓殢鏈鸿瘯楠岋紝瀹冪殑鏍锋湰绌洪棿鏄...
绛旓細璁＄畻鍏紡涓E(XY)=鈭埆xyf(x锛寉)dxdy锛岀Н鍒嗚寖鍥存槸鏁翠釜骞抽潰锛屽叾涓璮(x,y)鏄仈鍚堟鐜囧瘑搴︺浜岀淮闅忔満鍙橀噺( X锛孻)鐨勬ц川涓嶄粎涓嶺 銆乊 鏈夊叧,鑰屼笖杩樹緷璧栦簬杩欎袱涓闅忔満鍙橀噺鐨鐩镐簰鍏崇郴銆傚洜姝わ紝閫愪釜鍦版潵鐮旂┒X鎴朰鐨勬ц川鏄笉澶熺殑锛岃繕闇灏嗭紙X锛孻锛変綔涓轰竴涓暣浣撴潵鐮旂┒銆傝E鏄竴涓殢鏈鸿瘯楠岋紝瀹冪殑鏍锋湰绌洪棿鏄...
绛旓細E(XY)=-2路4路1/4+(-1)路1路1/4+1路1路1/4+2路1路1/4=0 鈭礐ov(X锛孻)=E(XY)-E(X)路E(Y)=0 鈭碭涓嶻涓嶇浉鍏炽(2)P(X=-2锛孻=1)=0鈮燩(X=-2)路P(Y=1)鈭碭涓嶻涓嶇浉浜掔嫭绔嬨傛牴鎹闅忔満鍙橀噺鐨涓嶅悓锛岃仈鍚堟鐜囧垎甯冪殑琛ㄧず褰㈠紡涔熶笉鍚屻傚浜绂绘暎鍨嬮殢鏈哄彉閲锛岃仈鍚堟鐜囧垎甯冨彲浠ヤ互...
绛旓細棣栧厛寮勬竻XY鐨勫垎甯冨垪锛岀劧鍚庢寜绂绘暎鍨嬮殢鏈哄彉閲忕殑鍧囧艰绠楀叕寮忓仛锛屼及璁Y鐨勫垎甯冭绠楄闅剧偣銆傚鏋滄湁鑱斿悎鍒嗗竷寰嬬殑璇濓紝E锛圶Y锛=(X1)* (Y1)*(P1)+ (X2)*( Y2)*(P2)+鈥︼紝鎵浠ユ湁 E(X,Y)=0x(1/4+1/3+1/4)+1x1/6=1/6 鍦ㄦ鐜囪鍜岀粺璁″涓紝鏁板鏈熸湜(mean)锛堟垨鍧囧硷紝浜︾畝绉版湡鏈涳級鏄瘯楠...
绛旓細鍏堟悶娓呮XY鐨勫垎甯冨垪锛岀劧鍚庢寜绂绘暎鍨嬮殢鏈哄彉閲忕殑鍧囧艰绠楀叕寮忓仛灏辨槸浜嗐備及璁Y鐨勫垎甯冭绠楄楹荤儲鐐广傚湪X涓嶻涓嶇嫭绔嬬殑鎯呭喌涓嬶紝鐢ㄦ潯浠舵鐜囪绠楋紝P锛圓B锛=P锛圓锛塒锛圔/A)銆
绛旓細琛ㄧずx鐨勨滃钩鍧団濓紝鍗虫暟瀛︽湡鏈涳紝鑰岀幇鍦ㄧ浉褰撲簬鎶妜y鐪嬫垚涓涓暟锛坸锛寉鍚勮嚜闅忔満鍙栧硷級锛岀劧鍚庢眰锛堜笉濡ㄨz=xy锛夛紝涔熷氨鏄疎(Z)=E(XY)銆傛鐜囪鍜岀粺璁″涓紝鏁板鏈熸湜(mean)锛堟垨鍧囧硷紝浜︾畝绉版湡鏈涳級鏄瘯楠屼腑姣忔鍙兘缁撴灉鐨勬鐜囦箻浠ュ叾缁撴灉鐨勬诲拰锛屾槸鏈鍩烘湰鐨勬暟瀛︾壒寰佷箣涓銆傚畠鍙嶆槧闅忔満鍙橀噺骞冲潎鍙栧肩殑澶у皬銆
绛旓細鏂规硶濡備笅锛欳ov(X,Y)=危(i=1->n) [Xi-E(X)][Yi-E(Y)] / {危(i=1->n) [Xi-E(X)]^2[Yi-E(Y)]^2}^0.5
