设随机变量服从参数为入的指数分布,期望和方差怎么求? 设随机变量X服从参数为Y的指数分布(Y>O),求X的数学期望...
\u8bbe\u968f\u673a\u53d8\u91cfX\u670d\u4ece\u53c2\u6570\u4e3aa\u7684\u6307\u6570\u5206\u5e03\uff0c\u5219\u5b83\u7684\u6570\u5b66\u671f\u671b\u548c\u65b9\u5dee\u662f\uff1fEX=1/y DX=1/(y^2) \u4e0d\u9700\u8981\u7b97\u7684
指数分布的参数为λ,则指数分布的期望为1/λ;方差为(1/λ)^2
E(X)==∫x*f(x)dx==∫λx*e^(-λx)dx=-(xe^(-λx)+1/λ*e^(-λx))|(正无穷到0)=1/λ
E(X^2)==∫x^2*f(x)dx=∫x^2*λ*e^(λx)dx=-(2/λ^2*e^(-λx)+2x*e^(-λx)+λx^2*e^(-λx))|(正无穷到0)=2/λ^2
DX=E(X^2)-(EX)^2=2/λ^2-(1/λ)^2=1/λ^2
扩展资料
指数分布的应用
在日本的工业标准和美国军用标准中,半导体器件的抽验方案都是采用指数分布。此外,指数分布还用来描述大型复杂系统(如计算机)的平均故障间隔时间MTBF的失效分布。
但是,由于指数分布具有缺乏“记忆”的特性。因而限制了它在机械可靠性研究中的应用,所谓缺乏“记忆”,是指某种产品或零件经过一段时间t0的工作后,仍然如同新的产品一样,不影响以后的工作寿命值。
或者说,经过一段时间t0的工作之后,该产品的寿命分布与原来还未工作时的寿命分布相同。指数分布的这种特性,与机械零件的疲劳、磨损、腐蚀、蠕变等损伤过程的实际情况是完全矛盾的,它违背了产品损伤累积和老化这一过程。所以,指数分布不能作为机械零件功能参数的分布形式。
指数函数概率密度函数:f(x)=a*e^(ax),x>0,其中a>0为常数.
f(x)=0,其他
有连续行随机变量的期望有E(X)==∫|x|*f(x)dx,(积分区间为负无穷到正无穷)
则E(X)==∫|x|*f(x)dx,(积分区间为0到正无穷),因为负无穷到0时函数值为0.
EX)==∫x*f(x)dx==∫ax*e^(-ax)dx=-(xe^(-ax)+1/a*e^(-ax))|(正无穷到0)=1/a
而E(X^2)==∫x^2*f(x)dx=∫x^2*a*e^(ax)dx=-(2/a^2*e^(-ax)+2x*e^(-ax)+ax^2*e^(-ax))|(正无穷到0)=2/a^2,
DX=E(X^2)-(EX)^2=2/a^2-(1/a)^2=1/a^2
指数函数概率密度函数:f(x)=a*e^(ax),x>0,其中a>0为常数.
f(x)=0,其他
有连续行随机变量的期望有E(X)==∫|x|*f(x)dx,(积分区间为负无穷到正无穷)
则E(X)==∫|x|*f(x)dx,(积分区间为0到正无穷),因为负无穷到0时函数值为0.
EX)==∫x*f(x)dx==∫ax*e^(-ax)dx=-(xe^(-ax)+1/a*e^(-ax))|(正无穷到0)=1/a
而E(X^2)==∫x^2*f(x)dx=∫x^2*a*e^(ax)dx=-(2/a^2*e^(-ax)+2x*e^(-ax)+ax^2*e^(-ax))|(正无穷到0)=2/a^2,
DX=E(X^2)-(EX)^2=2/a^2-(1/a)^2=1/a^2
绛旓細銆愮瓟妗堛戯細鐢闅忔満鍙橀噺X鏈嶄粠鍙傛暟涓位鐨勬寚鏁鍒嗗竷锛屽緱锛屼簬鏄紝鑰岋紝瑙e緱位=.
绛旓細鎸囨暟鍒嗗竷鐨鍙傛暟涓位锛屽垯鎸囨暟鍒嗗竷鐨勬湡鏈涗负1/位锛涙柟宸负锛1/位锛塣2 E(X)==鈭玿*f(x)dx==鈭粁*e^(-位x)dx=-(xe^(-位x)+1/位*e^(-位x))|(姝f棤绌峰埌0)=1/位 E(X^2)==鈭玿^2*f(x)dx=鈭玿^2*位*e^(位x)dx=-(2/位^2*e^(-位x)+2x*e^(-位x)+位x^2*e^(-...
绛旓細P{x>鈭欴{x)}=1-P{x<=鈭欴{x)}=1-int{(0-->1/位)位e^(-位x)} =1-{-e^(-位x)}(0-->1/位)=1-(1-1/e)=1/e
绛旓細y>1鏃, F(y) = P{X<y-1} = 1-e^[-位(y-1)], f(y) = F'(y) = -e^[-位(y-1)]*(-位) = 位e^[-位(y-1)]Y=X+1 鐨勬鐜囧瘑搴﹀嚱鏁颁负,y<=1鏃, f(y)=0,y>1鏃, f(y)=位e^[-位(y-1)]Y=X+1鐨勬鐜囧垎甯冨嚱鏁颁负,y<=1鏃, F(y)=P{Y<y} = 0,y>1鏃...
绛旓細浣犲ソ锛佽繖鏄竴涓熀鏈ц川锛氳繛缁瀷闅忔満鍙橀噺鍦ㄤ换浣曚竴涓偣鐨勫彇鍊兼鐜囬兘鏄0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
绛旓細鏍规嵁鎸囨暟鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁帮紝璁鹃殢鏈哄彉閲 X 鏈嶄粠鍙傛暟涓 位 鐨勬寚鏁鍒嗗竷锛屽垯鍏舵鐜囧瘑搴﹀嚱鏁颁负锛歠(x) = 位e^(-位x)锛屽綋 x 鈮 0 鏃 鍥犳锛屽綋 X 鏈嶄粠鍙傛暟涓 0.1 鐨勬寚鏁板垎甯 e(0.1) 鏃讹紝鏈夛細f(x) = 0.1e^(-0.1x)锛屽綋 x 鈮 0 鏃 瑕佽绠 P{5 < X < 30}锛屽嵆璁$畻 X 鍦ㄥ尯闂...
绛旓細鎵浠y(y)鏄笂寮忕殑绉垎锛屼负1-1/y锛(y>=1)鎵浠y(y)鏄笂寮忕殑瀵兼暟锛屼负1/y^2锛(y>=1)锛屽叾浣欎负0銆傜敱浜庨殢鏈哄彉閲廥鐨勫彇鍊 鍙彇鍐充簬姒傜巼瀵嗗害鍑芥暟鐨勭Н鍒嗭紝鎵浠ユ鐜囧瘑搴﹀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琛ㄧ幇銆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...
绛旓細Fx(x)=鈭(0~x) 位e^(-位t)dt = -e^(-位t)|(0~x)=-e^(-位x)-(-1)=1-e^(-位x)
绛旓細X鏈嶄粠鍙傛暟位 涓虹殑鎸囨暟鍒嗗竷锛屽垯: EX=1/位,X鏈夊垎甯冨嚱鏁帮細F(x)=1-e^(-位 x) , x>=0 ;浜庢槸 P(X>EX)= 1- P(X<=EX)= 1- P(X<=1/位)=1-F(1/位)=1-[1-e^(-位*1/位)]= e^(-1)
绛旓細鍥犱负鎬讳綋X鏈嶄粠娉婃澗鍒嗗竷锛屾墍浠(X)=位锛屽嵆 u1=E(X)=位 鍥犳鏈 位=1/n*(X1+X2+...+Xn)=X鎷 (鍗砐鐨勫钩鍧囨暟锛夋墍浠ノ荤殑鐭╀及璁¢噺涓 位(涓婇潰涓涓皷鍙凤級锛漍鎷 鐢辨渶鍊煎師鐞嗭紝濡傛灉鏈鍊煎瓨鍦紝姝ゆ柟绋嬬粍姹傚緱鐨勯┗鐐瑰嵆涓烘墍姹傜殑鏈鍊肩偣锛屽氨鍙互寰堝埌鍙傛暟鐨鏋佸ぇ浼肩劧浼拌銆傛瀬澶т技鐒朵及璁℃硶涓鑸睘浜庤繖绉...