ex2怎么求数学期望

A. 连续性的随机变量的求数学期望 E(X²)怎么求

要求EX^2，只知道EX还不够，至少要知道x是如何分布的，也即它的分布函数或者概率密度函数。

若X~N（1，3），则Dx=3，由DX=EX^2-(EX)^2及EX的值可以算出EX^2。若X~N（1，3），Y=3X+1，EY=E(3X+1)=3EX+1=3*1+1=4，DY=D（3X+1）=3^2*DX=9*DX=9*3=27，所以Y~N（4，27）。

3X与X+X+X没有区别。Z=X+Y的密度函数也要根据X,Y的概率密度f(xy)来求，一般用作图法计算，先算出分布函数F(Z)，再算密度函数f(z)，也可以直接积分计算：f(z)=将f(x，z-x)对x积分，这时的难点是确定好积分上下限。

如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。例如，一批电子元件的寿命、实际中常遇到的测量误差等都是连续型随机变量。

(1)ex2怎么求数学期望扩展阅读：

能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定，变量取值只能取离散型的自然数，就是离散型随机变量。

x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3分钟、5分钟7毫秒、7√2分钟，在这十五分钟的时间轴上任取一点，都可能是等车的时间，因而称这随机变量是连续型随机变量。

B. 概率论与数理统计 数学期望 E(X∧2)怎么求

若X是离散型的，则E(X^2)=∑((xi)^2)pi。若X是连续型的，则E(X^2)=(x^2)f(x)在-∞到+∞的定积分。

期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。

大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。

(2)ex2怎么求数学期望扩展阅读：

设随机事件A在n次重复试验中发生的次数为nA，若当试验次数n很大时，频率nA/n稳定地在某一数值p的附近摆动，且随着试验次数n的增加，其摆动的幅度越来越小，则称数p为随机事件A的概率，记为P(A)=p。

如果随机变量只取得有限个值或无穷能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。

事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。

C. 数学期望，E(X)和E(X^2)有什么区别，什么意思，

区别：

1、数值不同E（X）=E（X），而E（X^2）=D（X）+E（X）*E（X）。

2、代表的意义不同，E（X）表示X的期望，而E（X^2）表示的是X^2的期望。

3、求解的方法不同，E（X^2）的求解为x^2乘以密度函数求积分，E（X）的求解为x乘以概率密度然后求积分。

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

参考资料来源：网络-数学期望

参考资料来源：网络-方差

D. 二项分布的数学期望E（X^2)怎么求

因为x服从二项分布b(n,p)

所以e(x)=np

d(x)=npq而方差d(x)=e(x^2)-[e(x)]^2，因为e(x^2)=d(x)+[e(x)]^2=npq+(np)^2=np(q+np)，即e(x^2)=np(np+q)

二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。

图形特点

对于固定的n以及p，当k增加时，概率P{X=k}先是随之增加直至达到最大值，随后单调减少。可以证明，一般的二项分布也具有这一性质，且：

当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值；

当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。

以上内容参考：网络-二项分布

E. E（x^2）期望值怎么算 是不是只要把x平方 p

E(3x^2+2)=3 E(x^2)+2

在概率论和统计学中，数学期望（或均值）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。

（1）离散型

若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续型随机变量，f(x)称为X的概率密度函数（分布密度函数）。

(5)ex2怎么求数学期望扩展阅读：

应用

在统计学中，当估算一个变量的期望值时，一个经常用到的方法是重复测量此变量的值，然后用所得数据的平均值来作为此变量的期望值的估计。

在概率分布中，期望值和方差或标准差是一种分布的重要特征。在经典力学中，物体重心的算法与期望值的算法十分近似。期望值也可以通过方差计算公式来计算方差。

F. 已知期望ex怎么求ex2

已知期望ex求ex2是(ex2)'=(ex2)*2x，在概率论和统计学中，数学期望亦简称期望，是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
需要注意的是，期望值并不一定等同于常识中的“期望”—“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。
大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。