设X-N(1,4),则数学期望E(x)=?,方差D(x)=
按照正态分布的基本概念若随机变量X服从一个数学期望为μ、方差为σ²的正态分布
记为N(μ，σ²)
那么这里的X~N(1,4)
当然就是得到数学期望E(x)=1，而方差D(x)=4
而正态分布有极其广泛的实际背景
生产生活与科学实验中很多随机变量的概率分布
都可以近似地用正态分布来描述
由题X-N(1,4)可知：X是均值为1，方差为4的正态随机变量。
因此，它的数学期望 E(x) = 1， 方差 D(x) = 4 。
绛旓細鐢卞凡鐭ワ紝E(X)=u锛孌(X)=4锛鑰 D(X)=E(X²)-[E(X)]²=5-u²=4锛屽洜姝 E(X)=u=卤1 銆
绛旓細瑙ｏ細鏍规嵁鈥滈殢鏈哄彉閲廥i~N(渭i,未i²)(i=1,2锛屸︹︼紝n)銆乆i鐩镐簰鐙珛锛屽垯鍏剁嚎鎬х粍鍚堚垜aiXi浠嶇劧鏈嶄粠~N(渭,未²)鈥濈殑鎬ц川锛屽叾涓紝渭=鈭慳i渭i锛屛²=鈭(ai未i)²,鏈涓紝E(X)=1,D(X)=4²銆丒(Y)=1,D(Y)=1锛鈭次=E(Z)=E(X-3Y+2)=E(X)-3E(...
绛旓細X~N(1,1),Y~N(4,9) E(X)=u=1,D(Y)=蟽 ²=9 E(x)D(Y)=9 浜岀淮姝ｆ佸垎甯(x,y)~N(u1,u2,s1,s2,r)锛屽叾涓璻=R(x,y)=cov(x,y)=1/2 E(X)=5*0.1=0.5,D(X)=5*0.1*0.9=0.45 E(Y)=1,D(Y)=4;E(X-2Y)=E(X)-2E(Y)=0.5-2=-1.5 D(X-2Y)...
绛旓細鑻ラ殢鏈哄彉閲X鏈嶄粠涓涓鏁板鏈熸湜涓何笺佹柟宸负蟽^2鐨勬鎬佸垎甯冿紝璁颁负N(渭锛屜僞2)銆傚叾姒傜巼瀵嗗害鍑芥暟涓烘鎬佸垎甯冪殑鏈熸湜鍊嘉煎喅瀹氫簡鍏朵綅缃紝鍏舵爣鍑嗗樊蟽鍐冲畾浜嗗垎甯冪殑骞呭害銆傚綋渭 = 0,蟽 = 1鏃剁殑姝ｆ佸垎甯冩槸鏍囧噯姝ｆ佸垎甯冦
绛旓細瑙ｏ細E(Z)=E(2X-Y+3)=2E(X)-E(Y)+3=2 D(Z)=4D(X)+D(Y)=8 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
绛旓細鐢盭銆乊鍒嗗埆鏈嶄粠姝ｆ佸垎甯僋锛0锛3*3锛夊拰N锛1锛4*4锛夛紝鍙煡X鐨鏁板鏈熸湜EX=0锛屾柟宸瓺X=3*#锛孻鐨勬暟瀛︽湡鏈汦Y=1锛屾柟宸瓺Y=4*4锛屾墍浠ワ紝EZ=E锛圶/3+Y/2锛=锛圗X锛/3+锛圗Y锛/2=1/2锛沊涓嶻鐨勭浉鍏崇郴鏁癙xy =cov锛X锛孻锛/(DX*DY)^(1/2)锛屽叾涓(DX*DY)^(1/2)琛ㄧずDX涔樹笂DY鍐嶅紑鏍瑰彿锛...
绛旓細浣犲ソ锛侀殢鏈哄彉閲X~N锛1锛2锛夎〃绀篨鏈嶄粠鏈熸湜涓1锛屾柟宸负2鐨勬鎬佸垎甯冦傜粡娴鏁板鍥㈤槦甯綘瑙ｇ瓟锛岃鍙婃椂閲囩撼銆傝阿璋紒
绛旓細E(x^4)=鈭玿^4*1/鈭(2蟺)e^锛-x^2/2锛塪x 绉垎鍖洪棿锛-鈭,+鈭烇級=2鈭玿^4*1/鈭(2蟺)e^锛-x^2/2锛塪x 绉垎鍖洪棿锛0,+鈭烇級鍒嗘绉垎.=-2x^3*1/鈭(2蟺)e^锛-x^2/2锛+2/鈭(2蟺)鈭3x^2*e^锛-x^2/2锛塪x =-2x^3*1/鈭(2蟺)e^锛-x^2/2锛-2/鈭(2蟺)3x*e^锛...
绛旓細x~n(3,4)锛寈灞炰簬鏈熸湜涓3锛屾柟宸负4鐨勯珮鏂垎甯冦傚浜庨殢鏈哄彉閲X锛屽叾姒傜巼瀵嗗害鍑芥暟濡傚浘鎵绀恒傜О鍏跺垎甯冧负楂樻柉鍒嗗竷鎴栨鎬佸垎甯冿紝璁颁负N锛渭锛屜2锛夛紝鍏朵腑涓哄垎甯冪殑鍙傛暟锛屽垎鍒负楂樻柉鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊銆傚綋鏈夌‘瀹氬兼椂锛宲(x)涔熷氨纭畾浜嗭紝鐗瑰埆褰撐=0锛屜2=1鏃讹紝X鐨勫垎甯冧负鏍囧噯姝ｆ佸垎甯冦偽兼鎬佸垎甯冩渶鏃╃敱妫...
绛旓細涓嶻娌℃湁鍏崇郴鍛锛熸槸鍚︹滃凡鐭ラ殢鏈哄彉閲廥~N锛2,4锛夛紝Y~U锛2,8锛夛紝Cov(X,Y)=4鏃讹紝鍒欏啓鍑篨鐨鏁板鏈熸湜涓庢柟宸紵姹俍=2x+5Y鐨勬暟瀛︽湡鏈涗笌鏂瑰樊锛熲濇寜杩欎釜鍐欎簡 E(Z锛=E锛2x+5Y)=2脳2+5脳3=19 D锛圸锛=4D(x)+25D(Y)+2脳2脳5脳Cov(X,Y)=4脳4+25脳3+80=171 鍏朵腑锛欵(x)=2锛孍(Y...
