设随机变量X从(0.a)上的均匀分布,期望值为2,则X的方差为？
设随机变量 X 服从 (0.a) 上的均匀分布，其中 a 是一个单位小数，即 0 ≤ a < 1。要计算 X 的方差，我们需要知道 X 的概率密度函数。对于均匀分布，概率密度函数 f(x) 在区间 (0.a) 上是常数，可以表示为 1 / (a-0) = 1/a。
我们已知 X 的期望值 E(X) = 2。根据期望值的性质，可以计算出 E(X²)：
E(X²) = Var(X) + [E(X)]²
根据题目给出的期望值 E(X) = 2，我们可以将其代入上面的方程得到：
E(X²) = Var(X) + (2)²
= Var(X) + 4
然后，我们可以通过计算区间 (0.a) 上 X² 在该区间上的积分来计算 E(X²)。对于均匀分布，概率密度函数是常数，因此可以将积分化简为 (1/a) * x² 在区间 (0.a) 上的积分：
E(X²) = [ (1/a) * x² ] 从 0 到 a
= (1/a) * (a² - 0²)
= a
将计算出的 E(X²) 代入原方程中，我们得到：
a = Var(X) + 4
通过求解方程，我们可以计算出 X 的方差 Var(X) = a - 4。
E(X)=2
=>
(0+a)/2 =2
a=4
X~ U(0,4)
E(X^2)
=(1/4)∫(0->4) x^2 dx
=(1/12)[x^3]|(0->4)
=16/3
D(X)
=E(X^2) -[E(X)]^2
=16/3 -4
=1/3
绛旓細璁鹃殢鏈哄彉閲 X 鏈嶄粠 (0.a) 涓婄殑鍧囧寑鍒嗗竷锛屽叾涓 a 鏄竴涓崟浣嶅皬鏁帮紝鍗 0 鈮 a < 1銆傝璁＄畻 X 鐨勬柟宸紝鎴戜滑闇瑕佺煡閬 X 鐨勬鐜囧瘑搴﹀嚱鏁般傚浜庡潎鍖鍒嗗竷锛屾鐜囧瘑搴﹀嚱鏁 f(x) 鍦ㄥ尯闂 (0.a) 涓婃槸甯告暟锛屽彲浠ヨ〃绀轰负 1 / (a-0) = 1/a銆傛垜浠凡鐭 X 鐨勬湡鏈涘 E(X) = 2銆傛牴鎹湡鏈涘肩殑鎬...
绛旓細X~U锛0锛a锛锛屾湡鏈汦锛圶锛=a/2锛孌锛圶锛=a²/12 鏍规嵁鏈熸湜鍜屾柟宸殑鎬ц川E锛坈X锛=cE锛圶锛夛紝D锛圶锛=E锛圶²锛-[E锛圶锛塢²E锛圷锛=E锛-2X²锛=-2E锛圶²锛=-2{D锛圶锛+[E锛圶锛塢²}=-2{a²/12+a²/4}=-2a²/3 ...
绛旓細杩炵画鍨闅忔満鍙橀噺鍙栦换鎰忔寚瀹氱殑瀹炴暟鍊肩殑姒傜巼閮界瓑浜0锛屽嵆P{X=a} =0锛屼絾鏄鐜囦负0骞朵笉鎰忓懗鐫锛寋X=a}鏄笉鍙兘浜嬩欢锛屽彧鏄簨浠秢X=a}鍙戠敓鐨勬鐜囬潪甯稿皬锛屽皬鍒板嚑涔庝笉鍙兘鍙戠敓銆
绛旓細姝ら棶棰樻樉鐒舵槸E锛圶 ^ 2锛= E ^ 2锛圶锛+ J锛圶锛= 2锛岃寮忎腑锛屽嵆瀵绘眰P {X = 2}鐨勬鐜囨樉绀洪噸瑕佺殑缁撹銆
绛旓細f(y|x)=1/(a-x)f(x)=1/a so f(x,y)=f(y|x)f(x)=1/a(a-x)f(y)=[f(x,y)瀵x鐨绉垎锛岀Н鍒嗛檺鏄0鍒皔]=lna/a-ln(a-y)/a
绛旓細fX(x)=fY(y)=1/a 1锛夋樉鐒秄Z(z)鏄伓鍑芥暟锛0<=z<=a鏃 F(z)=P(Z<=z)=鈭(0,z)1/adx鈭(0,a)1/ady+鈭(z,a)1/adx鈭(x-z,a)1/ady =z/a+1/a^2鈭(z,a)a+z-xdx =z/a+(a^2-z^2)/(2a^2)fZ(z)=F'(z)=1/a-z/a^2 -a<=z<=0鏃 fZ(z)=1/a+z/a^...
绛旓細杩欎釜鍙槸涓绉嶇畝渚垮啓娉曘傚叾瀹炲彲浠ョ湅鍒帮紝濡傛灉x>y,閭ｄ箞(1/2)(x+y-|x-y|)=(1/2)[x+y-(x-y)]=y 濡傛灉x<y,閭ｄ箞(1/2)(x+y-|x-y|)=(1/2)[x+y-(y-x)]=x 鐨勭‘鏄摢涓皬灏卞彇鍝釜锛屼絾鏄綘瑕侀棶鎬庝箞鎯冲埌杩欎箞缁熶竴鐨勮〃杈惧紡锛屾垜鍙兘璇存槸缁忛獙绉疮鍚с傜涓娆＄湅鍒扮殑纭緢鎯婅锛屼絾鏄湅澶氫簡...
绛旓細鍥炵瓟锛氭彁绀:璁綵=min(X,Y) F(z)=P(Z<z)=P(min(X,Y)<z)=1-P(min(X,Y)>=z)=1-P(X>=z,Y>=z) =1-P(X>z)P(Y>z)
绛旓細瑙ｏ細fX(x)=1/a,x鈭圼0,a]鍏朵粬涓0 z<0鏃讹紝Fz(z)=0,0<=z<=1鏃 Fz(z)=P(Z<=z)=P(X/Y<=z)=P(X<=zY)=a*za/2=a²z/2 褰搝>1鏃讹紝Fz(z)=P(Z<=z)=P(X/Y<=z)=P(X<=zY)=a*za/2=1-a²/(2z)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...
绛旓細瑙ｉ杩囩▼濡備笅鍥撅細
