两个高斯分布的和方差-搜答案-搜狗做题网

还有一个公式D(kX)=k²D(X)所以D(X-Y)=D(X)+D(-Y)=D(X)+(-1)²D(Y)=D(X)+D(Y)

瑞利分布的概率密度为：p(x)=2x/b*e^(-x^2/b)(积分限为0到+∞）E=∫xp(x)dx=2/b*∫x^2*e(-x^2/b)dx=-∫xd(e(-x^2/b))=-xe(-x^2/b)

方差是3.这是泊松分布,P(λ),也可以写成X~π(λ),P(X=k)=λ的k次方乘以e的(-λ)次方除以k的阶乘(这里用不了公式编辑器,只能口头叙述了).用期望和方差的公式可以推导出E(X)=λ,D

再答：完全根据定义来推导，中间利用求和技巧，就能顺利求出再答：不知道我表达清楚了没有，若有疑问请追问哦再问：问下。哪几个标准正态分布的结果是要记住的？再答：我只记得住正太，卡方，指数，平均的均值，有的

XH(n,M,N)例N个球有M个黑球取n个黑球则EX=nM/NDX=nM/N*(1-M/N)*(N-n)/(N-1)其实可以和二项分布类比的..二项分布就是超几何分布的极限

额、、其实Xi^2不就服从自由度为1的卡方分布么?因为卡方分布期望为自由度,方差为2*自由度.所以D(Xi^2)=2了

第一题数学期望学了的吧?证明E(ξ)=pE(ξ^2)=0^2*q+1^2*p=pDξ=(Eξ^2)-[E(ξ)]^2=p-p^2=p(1-p)第二题E(ξ)=∑k*P(ξ=k)=∑k*q^(k-1)p

二项分布b(n,p)期望np方差np(1-p)几何分布G（p）期望1/p方差（1-p）/(pXp)

poisson(a),即V满足λ=a的泊松分布,P(X=k)=λ^k*e^(-λ)/k!泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率.泊松分布适合于描述单位时间内随机事件发生的次数.

泊松分布,分布列为(p^k)*exp(-p)/k!,k=0,12,…….数学期望和方差均为p

相等的,根据同分布就可知道

均匀分布,期望是（a+b）/2,方差是（b-a）的平方/12二项分布,期望是np,方差是npq泊松分布,期望是p,方差是p指数分布,期望是1/p,方差是1/(p的平方)正态分布,期望是u,方差是&的平

E(n)=1/p,D(n)=(1-p)/p^2

常见的有正态分布,二项分布,指数分布,均匀分布正态分布N~（a,b)EX=aDX=b二项分布B~（n,p)EX=npDX=np(1-p)指数分布λEX=λ分之一DX=λ^2分之一均匀分布在（a,b)之

卡方分布：E(X)=n,D(X)=2nt分布：E(X)=0(n>1),D(X)=n/(n-2)(n>2)F(m,n)分布：E(X)=n/(n-2)(n>2)D(X)=[2n^2*(m+n-2)]/[m

t分布:t(n)mu=0,sigma^2=n/(n-2)(n>2)x平方分布X^2(n)mu=n,sigma^2=2nF分布F(m,n),mu=n/(n-2),sigma^2=2n^2(n+m-2)/

P(λ)E(X)=λD(X)=λX指数分布E(X)=1/λD(X)=1/λ

证明：Eξ=p+2qp+3q²p+…+k[q^(k-1)]p+…=p(1+2q+3q²+…)设S=1+2q+3q²+…+nq^(n-1),则由qS=q+2q²+

方差的公式中带有n的,说明对于n次的两点分布,可以运用那个公式方差是对于特定的"n次实验"而言的,所以公式中有n这个公式大大简化了二项式分布方差的计算~

同分布意味着期望和方差相同,但反过来不成立.毕竟期望和方差只是一阶矩和二阶矩,还有更高阶的矩存在.因此同分布事实上是很强的条件,更不必说是独立了