离散型随机变量

3．体育课的排球发球项目考试的规则是：每位学生最多可发球3次，一旦发球成功，则停止发球，否则一直发到3次为止．设学生一次发球成功的概率为p(p≠0)，发球次数为X，若X的数学期望EX＞1.75，则p的取值范围是( )A. B.C. D.4．某种种子每粒发芽的概率都为0.9，现播种了1 000粒，对于没有发芽的种子，每粒需要再补种2粒，补种的种子数记为X，则X的数学期望为( )A．100 B．200C．300 D．4005．(2012·山西模拟)某班举行了一次“心有灵犀”的活动，教师把一张写有成语的纸条出示给A组的某个同学，这个同学再用身体语言把成语的意思传递给本组其他同学．若小组内同学甲猜对成语的概率是0.4，同学乙猜对成语的概率是0.5，且规定猜对得1分，猜不对得0分，则这两个同学各猜1次，得分之和X(单位：分)的数学期望为( )A．0.9 B．0.8C．1.2 D．1.16．袋中装有大小完全相同，标号分别为1,2,3，…，9的九个球．现从袋中随机取出3个球．设X为这3个球的标号相邻的组数(例如：若取出球的标号为3,4,5，则有两组相邻的标号3,4和4,5，此时X的值是2)．则随机变量X的数学期望EX为( )A. B.C. D.7．某射手射击所得环数X的分布列如下：X78910

随机变量是对试验结果的数值化处理，即以数值型数据来表示试验的结果。之所以采用这种处理方式是希望可以将取值及其概率用一个函数的形式来表示，以方便的使用数学工具定量的对概率分布进行研究，在实际应用中可以按照一定的规则将类别型数据转化成数值型数据。基于试验结果的不同，可以将随机变量分为离散型随机变量和连续性随机变量： 概率分布 Probability distribution 则是对于随机变量取得各个值的概率的一个描述，对于离散型随机变量可以定义一个概率分布函数 Probability mass fuction u0192(x) 来描绘随机变量取得某个值时的概率，其要求： 当已获得的样本的数据量较大时，可以通过对于各个随机变量的取值的相对频率来近似其概率，这种方法获得的概率分布称为经验分布。 如果随机变量的可能取值有 n 个，且取得每一个值的概率均等，那么这种概率分布称为均匀概率分布： 离散型随机变量的期望值： 离散型随机变量的方差： 由公式可知，随机变量的方差值计算公式是一个对于随机变量与均值的偏差的平方的加权平均，相应的权重系数是各个取值的概率。 当研究对象为两个随机变量时，相应的概率分布称为 Bivariate probability distribution，也称为 Joint probability distribution，可以通过历史数据并采用表格的形式来统计概率分布情况： 除概率分布外，一般也会通过计算协方差和相关系数了解这两个随机变量的关系，且对于两个离散型随机变量 x，y 来说，如果已知 x，y 的各自取值及概率分布，可以有两种方法来计算随机变量的协方差： 更一般地，有： 前述离散型随机变量可以通过采用列表的形式进行统计频数来获得相应的概率，最终获取取值的概率分布，还有一类离散型随机变量的概率分布可以通过一定的数学公式来描述。 二项分布最早的研究出自数学史上的一个著名的家族——伯努利家族，因此也叫伯努利概型，其主要特点为： 我们感兴趣的是在这 n 次实验中成功的次数 x 是多少，很明显这里 x 是一个离散型随机变量，对应的成功次数 x 的概率分布称为二项概率分布。 可以认为二项分布的多次试验是一个分步进行的过程，因此可以采用树状图来可视化多次试验的结果的组合： 由于 n 次试验产生的所有可能的试验结果的数量为 2 n ，当我们考虑这所有的结果中成功的次数 x 时，是将结果中出现 x 次成功的试验从 2 n 个结果中进行抽取，且 x 内部对于次序没有要求，因此所有结果中出现成功次数为 x 的结果的次数可以采用组合的知识进行计算： 每一个连续 n 次试验的结果组合中有 x 次成功的概率为： 将上述两个公式组合起来就是所有 n 次试验中出现 x 次成功的概率，也即二项分布的概率分布函数： 由于二项分布非常常用，且其计算中包含了大量的常数项，所以为了方便使用，已经针对不同的 n，x 及 p 建立了二项分布表，可以从表格中查取。 当 n = 1 时，由于 x = 1 表示成功，x = 0 表示失败，所以二项分布是对 0 - 1 分布的一个多次试验。对于 0 - 1 分布来说，可以按照定义计算其期望值为 p，方差为 p(1 - p)，由于在二项分布中 n 次试验彼此独立，因此有 n 次实验的期望及方差为： 泊松分布的命名也来自于其最早的研究者 Simeon Poisson，这个分布是对某个具有一定发生频率的事件在某个时间和空间跨度内发生的次数的一个描述，例如一小时内前来某个洗车场的客户的数量，飞机每 100000 公里所需要的维修的次数，符合泊松分布的随机变量的特点为： 这一分布研究是基于日常生活中大量现象的发生是有一定频数 Frequency 可循的，通过对于历史数据的统计，我们可以得到这个频数。这个频数是对事件发生的频繁程度的一个总体水平的衡量，实际上某一个时间间隔内发生的次数 x 是不确定的，因而是个随机变量。 如果我们用 λ 表示单位时间内出现的频数，t 表示需要考察的时间，难么这个时间间隔内发生 x 次的概率为： 从上式中可以看出这个概率尽管从理论上 x 可以取得任何值，但当 x 非常大的时候，可以通过计算得知其概率趋近于 0，即基本不可能发生。 泊松分布的期望和方差均为 λ，其可以认为是 n 很大而 p 很小的二项分布的一个极限形式，对于泊松分布和下一节 指数分布 的理解我参考了 阮一峰的博客 和 QUETAL 的博客 ，在此表示感谢！ 我写这个笔记是为了系统的复习概率论中的一些概念，阅读的是 Statistics for Business and Economics, 12th Edition 英文原版，这是一本非常经典的参考书，毫无保留的满分推荐。尽管书名暗示了是在商业和经济学中的统计学，但根本的统计学知识是不变量，并且和很多优秀的原版书一样，作者时刻注意用实例来讲解统计学概念，基本上每一个新的概念的定义都建立在日常生活的实例的基础上，在此基础上还保留了精美的排版和精心设计的插图，十分便于理解。

方程D（X）=E{[X-E（X）]^2}=E（X^2） - [ E（X）]^2，其中 E（X）表示数学期望。若x1,x2,x3......xn的平均数为m则方差s^2=1/n[(x1-m)^2+(x2-m)^2+.......+(xn-m)^2]方差即偏离平方的均值，称为标准差或均方差，方差描述波动程度。对于连续型随机变量X，若其定义域为（a，b），概率密度函数为f（x），连续型随机变量X方差计算公式：D（X）=（x-μ）^2 f（x） dx。离散型：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。如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。

Dζ=（x1-Eζ)2*p1+（x2-Eζ)2*p2+…+（xn-Eζ)2*pn是定义,D(X)=E(X^2)-(EX)^2是推论.如果E(X^2)能够统一求出,D(X)=E(X^2)-(EX)^2式子用起来很方便.一般来说,如果给出的分布列的各项的概率值可以用通项表示,那么用D(X)=E(X^2)-(EX)^2如果仅仅是做数字的计算,没有什么技术含量可言,那么用定义.比如说,已知某分布X值为0,1,2,3,……,n,……,其对应的概率P(X=k)=1/(e*k!)（泊松分布),求方差时用D(X)=E(X^2)-(EX)^2如果题目中给出的分布律是X012345p1/31/61/81/121/1611/48那么肯定是用Dζ=（x1-Eζ)2*p1+（x2-Eζ)2*p2+…+（xn-Eζ)2*pn

都知道均值了，按公式啊

区别是一个是真实值一个是估计值,关系是2个是数值上一样的.如图

高中阶段的这些知识点在具体生活中其实没什么实用性，因为它排除了太多的相关因素，仅仅考虑的是不全面的理论值。我认为它的作用仅仅是为了高考和为大学阶段的更近一步学习做铺垫。

在农业上来说:施肥的份量，种植的密度，杀虫的最佳时段，都可用统计学去指导，科学实用!

可以用来设计抽奖活动，保证商家在理论上不亏钱，同时吸引消费者

解：（Ⅰ）求该运动员两次都命中7环的概率为P（7）=0.2×0.2=0.04；（Ⅱ）ξ的可能取值为7、8、9、10P（ξ=7）=0.04P（ξ=8）=2×0.2×0.3+0.32=0.21P（ξ=9）=2×0.2×0.3+2×0.3×0.3+0.32=0.39P（ξ=10）2×0.2×0.2+2×0.3×0.2+2×0.3×0.2+0.22=0.36ξ分布列为（Ⅲ）ξ的数学希望是Eξ=7×0.04+8×0.21+9×0.39+10×0.36=9.0719．

随机取值的变量就是随机变量，随机变量分为离散型随机变量与连续型随机变量两种，随机变量的函数仍为随机变量。有些随机变量,它全部可能取到的不相同的值是有限个或可列无限多个,这种随机变量称为"离散型随机变量".离散型随机变量的概率分布定义2.1：如果随机变量x只可能取有限个或至多可列个值，则称x为离散型随机变量。定义2.2：设x为离散型随机变量，它的一切可能取值为x1，x2，……，xn，……，记p=p｛x=xn｝,n=1,2……(2.1)称(2.1)式为x的概率函数，又称为x的概率分布，简称分布。离散型随机变量的概率分布有两条基本性质：(1)pn≥0n=1,2,…(2)∑pn=1对于集合｛xn,n=1,2,……｝中的任何一个子集a,事件“x在a中取值”即“x∈a”的概率为p｛x∈a｝=∑pn特别的，如果一个试验所包含的事件只有两个，其概率分布为p｛x=x1｝=p(0<p<1)p｛x=x2｝=1-p=q这种分布称为两点分布。如果x1=1,x2=0,有p｛x=1｝=pp｛x=0｝=q这时称x服从参数为p的0-1分布，它是离散型随机变量分布中最简单的一种。由于是数学家伯努利最先研究发现的，为了纪念他，我们也把服从这种分布的试验叫伯努利试验。习惯上，把伯努利的一种结果称为“成功”，另一种称为“失败”。

1、首先理解X的意义，写出X能取的全部值。2、其次写出X每个值的概率。3、最后写出X的分布列，由分布列式列出随机变量的方差，即可列出其简化式。

是。医院每天接待的病人数是离散型随机变量。离散型随机变量与非离散型随机变量两种，随机变量的函数仍为随机变量。有些随机变量,它全部可能取到的不相同的值是有限个或可列无限多个，也可以说概率1以一定的规律分布在各个可能值上。这种随机变量称为"离散型随机变量"。

离散型随机变量的方差：d(x)=e{[x-e(x)]^2}.........(1)=e(x^2)-(ex)^2.........(2)(1)式是方差的离差表示法，如果lz不懂，可以记忆（2）式（2）式表示：方差=x^2的期望-x的期望的平方很好记忆的，如果楼主还有疑问，欢迎继续追问o(∩_∩)o~~

没有。离散型随机变量是银行的相关内容，与会计没有关系。随机取值的变量就是随机变量，随机变量分为离散型随机变量与连续型随机变量两种（变量分为定性和定量两类，其中定性变量又分为分类变量和有序变量；定量变量分为离散型和连续型），随机变量的函数仍为随机变量。

是的，期望本质是一个积分，而积分具有线性的性质

随机变量包括离散型与连续型两种，如果事件的结果能够列出来就就是离散型，反之就是连续型，比如一天的温度变化[12度,25度]是一个连续变化的过程，不能一一列举出来，就是一个连续型的随机变量。相应的例子还有人一生的身高等等。而射击中标次数则是一个离散型的。

首先弄清XY的分布列，然后按离散型随机变量的均值计算公式做，估计XY的分布计算要难点。在X与Y不独立的情况下，用条件概率计算，P（AB）=P（A）P（B/A)。高中公式大全:高中数学公式大全： 两角和公式 sin(A+B)=sinAcosB+cosAsinB sin(A-B)=sinAcosB-sinBcosA cos(A+B)=cosAcosB-sinAsinB cos(A-B)=cosAcosB+sinAsinB tan(A+B)=(tanA+tanB)/(1-tanAtanB) tan(A-B)=(tanA-tanB)/(1+tanAtanB) ctg(A+B)=(ctgActgB-1)/(ctgB+ctgA) ctg(A-B)=(ctgActgB+1)/(ctgB-ctgA) 倍角公式 tan2A=2tanA/(1-tan2A) ctg2A=(ctg2A-1)/2ctga cos2a=cos2a-sin2a=2cos2a-1=1-2sin2a 半角公式 sin(A/2)=√((1-cosA)/2) sin(A/2)=-√((1-cosA)/2) cos(A/2)=√((1+cosA)/2) cos(A/2)=-√((1+cosA)/2) tan(A/2)=√((1-cosA)/((1+cosA)) tan(A/2)=-√((1-cosA)/((1+cosA)) ctg(A/2)=√((1+cosA)/((1-cosA)) ctg(A/2)=-√((1+cosA)/((1-cosA)) 和差化积 2sinAcosB=sin(A+B)+sin(A-B) 2cosAsinB=sin(A+B)-sin(A-B) 2cosAcosB=cos(A+B)-sin(A-B) -2sinAsinB=cos(A+B)-cos(A-B) sinA+sinB=2sin((A+B)/2)cos((A-B)/2 cosA+cosB=2cos((A+B)/2)sin((A-B)/2) tanA+tanB=sin(A+B)/cosAcosB tanA-tanB=sin(A-B)/cosAcosB ctgA+ctgBsin(A+B)/sinAsinB -ctgA+ctgBsin(A+B)/sinAsinB 某些数列前n项和 1+2+3+4+5+6+7+8+9+…+n=n(n+1)/2 1+3+5+7+9+11+13+15…+(2n-1)=n2 2+4+6+8+10+12+14+…+(2n)=n(n+1) 12+22+32+42+52+62+72+82+…+n2=n(n+1)(2n+1)/6 13+23+33+43+53+63+…n3=n2(n+1)2/4 1*2+2*3+3*4+4*5+5*6+6*7+…+n(n+1)=n(n+1)(n+2)/3 正弦定理 a/sinA=b/sinB=c/sinC=2R 注： 其中 R 表示三角形的外接圆半径 余弦定理 b2=a2+c2-2accosB 注：角B是边a和边c的夹角

离散型随机变量的方差：d(x)=e{[x-e(x)]^2}.........(1)=e(x^2)-(ex)^2.........(2)(1)式是方差的离差表示法，如果lz不懂，可以记忆（2）式（2）式表示：方差=x^2的期望-x的期望的平方(*^__^*)嘻嘻……

离散型得随机变量只有概率函数，没有概率密度函数。至于怎么表示，要看该变量服从什么样得分布

如果X、Y独立，则：E(XY)=E(X)*E(Y)。如果不独立，可以用定义计算：先求出X、Y的联合概率密度，再用定义。或者先求出Cov(x,y)再用公式 Cov(X,Y)=E(XY)--E(X)*E(Y)。D（X±Y）=D（X）+D(Y)±2*Cov(X,Y)。离散型随机变量与连续型随机变量都是由随机变量取值范围(取值)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。例如，一次掷20个硬币，k个硬币正面朝上，k是随机变量。k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数，因而k是离散型随机变量。如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。例如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，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3.5、无理数等，因而称这随机变量是连续型随机变量。

离散型随机变量就是变量是一个离散状态比如是几个数值X=1X=2X=4才有定义其余无定义这样变量就离散了连续型的是变量是一个范围比如X属于0到1还有假如X在0到1和2到3上有定义这样是离散的两个区间是叫离散型还是连续型呢好像都不能叫叫非离散型比较靠谱至于那个实验就是服从二项分布结果只有两种每次实验互不影响每种结果都是相同概率比如抛硬币不是正面就是反面正面反面概率每次都是1/2

离散型随机变量的可能取值是数轴上有限个点和数轴上可列个点。假如一个随机变量仅取数轴上有限个点或可列个点，则称此随机变量为离散型随机变量。

用px表示￡=x的概率： p1，p2=0（至少取到一个球大于等于3） p5=1-4/5*3/4*2/3=3/5（相当取到5的概率） p3=3/5*2/4*1/3=1/10（即取到1，2，3的概率） p4=1-p5-p3-p2-p1=3/10;综上，根据定义，E￡=5*3/5+3*1/10+4*3/10=4.5满意请采纳数学专家——双子座为你解答

离散型随机变量的方差： D（X）= E {[X - E（X）] ^ 2} ......... （1） = E（X ^ 2） - （EX）^ 2的......... （2）（1）型变异偏差符号，LZ不知道，还记得（2），（2）：方差= X ^ 2的期望 - X的期望，方好内存，如果业主有任何问题，欢迎继续追问O（∩_∩）O??

随机取值的变量就是随机变量,随机变量分为离散型随机变量与连续型随机变量两种,随机变量的函数仍为随机变量.有些随机变量,它全部可能取到的不相同的值是有限个或可列无限多个,这种随机变量称为"离散型随机变量".离散型随机变量的概率分布 定义2.1：如果随机变量X只可能取有限个或至多可列个值,则称X为离散型随机变量.定义2.2：设X为离散型随机变量,它的一切可能取值为X1,X2,……,Xn,……,记 P=P｛X=xn｝,n=1,2……(2.1) 称(2.1)式为X的概率函数,又称为X的概率分布,简称分布.离散型随机变量的概率分布有两条基本性质：(1)Pn≥0 n=1,2,… (2)∑pn=1 对于集合｛xn,n=1,2,……｝中的任何一个子集A,事件“X在A中取值”即“X∈A”的概率为 P｛X∈A｝=∑Pn 特别的,如果一个试验所包含的事件只有两个,其概率分布为 P｛X=x1｝=p(0

随机变量包括离散型与连续型两种，如果事件的结果能够列出来就就是离散型，反之就是连续型，比如一天的温度变化[12度,25度]是一个连续变化的过程，不能一一列举出来，就是一个连续型的随机变量。相应的例子还有人一生的身高等等。而射击中标次数则是一个离散型的。

首先弄清XY的分布列，然后按离散型随机变量的均值计算公式做，估计XY的分布计算要难点。在X与Y不独立的情况下，用条件概率计算，P（AB）=P（A）P（B/A)。高中公式大全:高中数学公式大全： 两角和公式 sin(A+B)=sinAcosB+cosAsinB sin(A-B)=sinAcosB-sinBcosA cos(A+B)=cosAcosB-sinAsinB cos(A-B)=cosAcosB+sinAsinB tan(A+B)=(tanA+tanB)/(1-tanAtanB) tan(A-B)=(tanA-tanB)/(1+tanAtanB) ctg(A+B)=(ctgActgB-1)/(ctgB+ctgA) ctg(A-B)=(ctgActgB+1)/(ctgB-ctgA) 倍角公式 tan2A=2tanA/(1-tan2A) ctg2A=(ctg2A-1)/2ctga cos2a=cos2a-sin2a=2cos2a-1=1-2sin2a 半角公式 sin(A/2)=√((1-cosA)/2) sin(A/2)=-√((1-cosA)/2) cos(A/2)=√((1+cosA)/2) cos(A/2)=-√((1+cosA)/2) tan(A/2)=√((1-cosA)/((1+cosA)) tan(A/2)=-√((1-cosA)/((1+cosA)) ctg(A/2)=√((1+cosA)/((1-cosA)) ctg(A/2)=-√((1+cosA)/((1-cosA)) 和差化积 2sinAcosB=sin(A+B)+sin(A-B) 2cosAsinB=sin(A+B)-sin(A-B) 2cosAcosB=cos(A+B)-sin(A-B) -2sinAsinB=cos(A+B)-cos(A-B) sinA+sinB=2sin((A+B)/2)cos((A-B)/2 cosA+cosB=2cos((A+B)/2)sin((A-B)/2) tanA+tanB=sin(A+B)/cosAcosB tanA-tanB=sin(A-B)/cosAcosB ctgA+ctgBsin(A+B)/sinAsinB -ctgA+ctgBsin(A+B)/sinAsinB 某些数列前n项和 1+2+3+4+5+6+7+8+9+…+n=n(n+1)/2 1+3+5+7+9+11+13+15…+(2n-1)=n2 2+4+6+8+10+12+14+…+(2n)=n(n+1) 12+22+32+42+52+62+72+82+…+n2=n(n+1)(2n+1)/6 13+23+33+43+53+63+…n3=n2(n+1)2/4 1*2+2*3+3*4+4*5+5*6+6*7+…+n(n+1)=n(n+1)(n+2)/3 正弦定理 a/sinA=b/sinB=c/sinC=2R 注： 其中 R 表示三角形的外接圆半径 余弦定理 b2=a2+c2-2accosB 注：角B是边a和边c的夹角

因为，(X，Y)是二维离散型随机变量所以，xy也是离散型随机变量先求出xy的概率分布列再求xy的期望比如P(x＝0)＝1/2，P(x＝1)＝1/2P(y＝0)＝1/2，P(y＝1)＝1/2则，P(xy＝0)＝3/4P(xy＝1)＝1/4所以，E(XY)＝0×(3/4)＋1×(1/4)＝1/4如果随机变量X的所有可能的取值是有限或者可列无穷多个，那么它分布函数的值域是离散的，对应的分布为离散分布。常用的离散分布有二项分布、泊松分布、几何分布、负二项分布等。扩展资料：离散型随机变量在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数，电话交换台在一定时间内收到的呼叫次数，灯泡的寿命等等，都是随机变量的实例。在实际问题中通常用它来表征多个独立操作的随机试验结果或多种有独立来源的随机因素的概率特性，因此它对于概率统计的应用是十分重要的。参考资料来源：百度百科——随机变量

在概率论和统计学中，数学期望(mean)（或均值，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。D(X) = E{[X - E(X)]^2}.(1)=E(X^2) - (EX)^2.(2)。（1）式是方差的离差表示法。（2）式表示：方差 = X^2的期望 - X的期望的平方。相关内容：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。用概率论的知识，不难得知，甲获胜的可能性大，乙获胜的可能性小。因为甲输掉后两局的可能性只有(1/2)×(1/2）=1/4，也就是说甲赢得后两局或后两局中任意赢一局的概率为1－(1/4)=3/4，甲有75%的期望获得100法郎。而乙期望赢得100法郎就得在后两局均击败甲，乙连续赢得后两局的概率为(1/2)*(1/2)=1/4，即乙有25%的期望获得100法郎奖金。

E(X)=X1*p(X1）+X2*p(X2）+……+Xn*p(Xn)=X1*f1(X1）+X2*f2(X2）+……+Xn*fn(Xn)。n为这离散型随机变量，p(X1），p(X2），p(X3），……p(Xn)为这几个数据的概率函数。在随机出现的几个数据中p(X1），p(X2），p(X3），……p(Xn)概率函数就理解为数据X1，X2，X3，……，Xn出现的频率f(Xn)。介绍在概率论和统计学中，数学期望(mean)（或均值，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。

指数分布是很重要的，因为它的指数变量是还是多的，所以它在分离的时候就非常重要。

指数分布是连续随机变量的分布。你可以把0带入它的分布函数中，发展概率是0。所以就没算入了。而泊松分布不一样。它是离散型随机变量的分布。随机变量取离散值时，每点都是有概率的。

离散型随机变量的的期望也就是离散型随机变量的均值的是为了表达一个随机变量取值的中间水平，随机变量的方差刻画了随机变量取值的离散程度。由于它们反映了随机变量取值的平均水平及稳定性，所以随机变量的均值和方差在市场预测等其他方面有着重要的应用。离散型随机变量的期望公式：离散型随机变量X的取值为X1、X2、X3……Xn，p（X1）、p（X2）、p（X3）……p（Xn）、为X对应取值的概率，可理解为数据X1、X2、X3……Xn出现的频率高f（Xi）。则E（X）=X1*p（X1）+X2**p（X2）+……+Xn**p（Xn）= X1*f1（X1）+X2*f2（X2）+……+Xn*fn（Xn）。离散型随机变量的方差公式：D（X）=E{[X-E（X）]^2}=E（X^2）-（EX）^2。常见的分布的方差和期望：1、均匀分布：期望是（a+b）/2，方差是（b-a）的平方/12。2、二项分布：期望是np，方差是npq。3、泊松分布：期望是p，方差是p。4、指数分布：期望是1/p，方差是1/（p的平方）。5、正态分布：期望是u，方差是&的平方。6、X服从参数为p的0-1分布，则E（X）=p，d（X）=p（1-p）。

区别是一个是真实值一个是估计值,关系是2个是数值上一样的. 如图

设总体x~u[a,b]，样本均值的期望和方差如下：扩展资料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。离散型随机变量的一切可能的取值乘积之和称为该离散型随机变量的数学期望 (若该求和绝对收敛），它是简单算术平均的一种推广，类似加权平均。

均值即数学期望 E=X1*P1+X2*P2+X3*P3+.+Xn*Pn 即每个变量的取值乘以相应的概率再相加 方差 D=(X1-E)^2*P1+(X2-E)^2*P2+.+(Xn-E)^2*Pn 即每个变量的取值减去期望的差作平方,乘以相应的概率,再相加

首先看它是否是随机的，其次看它是否是离散的。即一个变量的值是随机的，而且不是连续性变化的。如今天是否下雨就是离散型随机变量，今天温度高低就不是离散型随机变量。

a=1-0.2-0.1-0.3=0.4 EX=0*0.2+1*0.1+2*0.3+3*0.4=1.9 x^2对应的概率分布为0、1、4、9 P=0.2,0.1,0.3,0.4 EX^2=0*0.2+1*0.1+4*0.3+9*0.4=4.9 DX=EX^2-(EX)^2=4.9-1.9*1.9=1.29

根据分布函数可以得到密度函数p((x = -0.2) = 0.3p(x =0) = 0.4p(x =3) = 0.1p(x =5) = 0.2E(x) = -0.2*0.3+ 0*4+0.1*3 + 0.2*5

不对,连续型随机变量指的是分布函数关于Lebesgue测度绝对连续.除掉绝对连续,和纯跳跃的情况,还有奇异的情况.具体来说,存在连续的分布函数,关于Lebesgue测度奇异.

因为，(X，Y)是二维离散型随机变量所以，xy也是离散型随机变量先求出xy的概率分布列再求xy的期望比如P(x＝0)＝1/2，P(x＝1)＝1/2P(y＝0)＝1/2，P(y＝1)＝1/2则，P(xy＝0)＝3/4P(xy＝1)＝1/4所以，E(XY)＝0×(3/4)＋1×(1/4)＝1/4这个例子比较简单，但方法是一样的如果还有问题，可以把原题发给我

例：X=x；Y=y，U=g（X，Y）=[X]+[Y]; ([X]、[Y]表示取整。）这样U就是一个离散型随机变量。因为它只能是整数，而想x，y能是任何数

函数（function）表示每个输入值对应唯一输出值的一种对应关系。函数f中对应输入值的输出值x的标准符号为f(x)。包含某个函数所有的输入值的集合被称作这个函数的定义域，包含所有的输出值的集合被称作值域。若先定义映射的概念，可以简单定义函数为，定义在非空数集之间的映射称为函数。初中阶段，函数的定义为：有两个互相关联的变量x,y，y的值随x的值改变而改变，并且每给定一个x的值y都有唯一一个确定的值与之对应，那么y就叫做x的函数，x叫自变量。定义里面注意两个关键词：确定　　唯一随着你的深入学习，会有更加严格，严密的函数定义。高中阶段，会给出函数的集合定义，会把函数定义会数集上的一种映射。这里面和初中阶段的不同在于　　函数是建立在非空数集上的映射，当然也要注意两个关键词　确定和唯一　。而什么是映射，简单的说就是一种对应关系。到了大学，你会学到任何一种映射都可以看做函数并且函数不止是两个变量之间的关系。也就是还有多元函数。函数（function）表示每个输入值对应唯一输出值的一种对应关系。函数f中对应输入值的输出值x的标准符号为f(x)。包含某个函数所有的输入值的集合被称作这个函数的定义域，包含所有的输出值的集合被称作值域。若先定义映射的概念，可以简单定义函数为，定义在非空数集之间的映射称为函数。目录数学定义经典定义：现代定义 ：用映射的定义：计算机定义简介与函数有关的概念映射定义几何含义函数的集合论定义域、对应域和值域单射、满射与双射函数象和原象函数图象性质函数的有界性函数的单调性函数的奇偶性函数的周期性函数的连续性函数的凹凸性实函数或虚函数函数概念的发展历史早期函数概念十八世纪函数概念十九世纪函数概念现代函数概念特殊的函数反函数隐函数多元函数按照未知数次数分类一次函数二次函数超越函数幂函数复变函数程序设计中的函数介绍C语言中的部分函数C语言中的库函数复合函数定义生成条件定义域周期性增减性数学中常用的具体函数一次函数的图象性质Word中创建函数公式展开 数学定义经典定义：现代定义 ：用映射的定义：计算机定义简介与函数有关的概念映射定义几何含义函数的集合论定义域、对应域和值域单射、满射与双射函数象和原象函数图象性质函数的有界性函数的单调性函数的奇偶性函数的周期性函数的连续性函数的凹凸性实函数或虚函数函数概念的发展历史早期函数概念十八世纪函数概念十九世纪函数概念现代函数概念特殊的函数反函数隐函数多元函数按照未知数次数分类一次函数二次函数超越函数幂函数复变函数程序设计中的函数介绍C语言中的部分函数C语言中的库函数复合函数定义生成条件定义域周期性增减性数学中常用的具体函数一次函数的图象性质Word中创建函数公式展开 编辑本段数学定义经典定义：　　在某变化过程中有两个变量x,y，按照某个对应法则，对于给定的x，有唯一确定的y与之对应，那么y就叫做x的函数。其中x叫自变量，y叫因变量。 现代定义 ：　　一般地，给定非空数集A,B,按照某个对应法则f，使得A中任一元素x，都有B中唯一确定的y与之对应，那么从集合A到集合B的这个对应，叫做从集合A到集合B的一个函数。记作：x→y=f(x),x∈A.集合A叫做函数的定义域，记为D,集合{y∣y=f(x),x∈A}叫做值域，记为C。定义域，值域，对应法则称为函数的三要素。一般书写为y=f(x),x∈D.若省略定义域，则指使函数有意义的一切实数所组成的集合。 用映射的定义：　　一般地，给定非空数集A,B，从集合A到集合B的一个映射，叫做从集合A到集合B的一个函数。 　　向量函数:自变量是向量的函数 叫向量函数 f（a1.a2，a3......an）=y 编辑本段计算机定义　　函数过程中的这些语句用于完成某些有意义的工作——通常是处理文本，控制输入或计算数值。通过在程序代码中引入函数名称和所需的参数，可在该程序中执行（或称调用）该函数。

对的

是。超几何分布是一种离散型随机变量。在概率论和统计学中，超几何分布描述的是从有限个物品中抽取n个物品中成功物品的数量X的概率分布。

因为连续性随机变量，其概率是用分布来表示的，必须是在落在某个区间上的概率为一定的数值；当这个区间变得无穷小的时候，概率也跟着缩小，所以某个固定点上的概率就是0了。

离散型随机变量的概率可以为0,但是不写在分布列中的. 因为对于离散型随机变量,关心的是可能的取值,那当然其概率是非零的了.

错误，离散型随机变量取值可以有限，也可以无限

离散型随机变量 就是变量是一个 离散状态 比如是几个数值 X=1 X=2 X=4 才有定义 其余无定义 这样变量就离散了 连续型的是变量是一个范围 比如 X属于 0 到1 还有假如X在0到1 和 2到3 上有定义 这样是离散的两个区间 是叫离散型还是连续型呢 好像都不能叫 叫非离散型比较靠谱 至于那个实验 就是 服从二项分布 结果只有两种 每次实验互不影响 每种结果都是相同概率 比如抛硬币 不是正面就是反面 正面反面概率每次都是1/2

就只能这么判断呀,或者换个本质上相同的说法,如果变量是连续取值的,那就是连续型,否则是离散型.你的那个例子很好判断呀,加工的实际内径可能是任何数值（即连续取值）,而规格内径只要那几个规格,它们相减肯定也是连续取值的,所以是连续型的.

离散变量是指可能的取值可以一一列出（可数）,比如整数,有理数连续变量是指可能的取值不能一一列出（不可数）,比如实数一天内的温度可能取值范围是实数（或许在一定范围内比如-30到30）,不是离散的变量.

有些分布在某区间上是连续的,在其它区间可能是离散的,这时就叫它非离散随机变量,因为它既不是离散,也不是连续的

先说一个熟悉的内容，数列与函数。 当然数列也是函数，但它的取值是自然数，取值是离散的， 而一般的函数取值是某一个区间，在这区间内取值往往是可以连续的。 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， 比如，一次掷20个硬币，k个硬币正面朝上， k是随机变量， k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20， 因而k是离散型随机变量。 如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量， 比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量， 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3.5、√20等，因而称这随机变量是连续型随机变量。

课本上的定义

具有概率的变量就是随机变量了。取值为离散点的变量就是离散型随机变量。样本空间的所有点被取到，则概率为1

b是一个数学家的名字的第一个字母，这个数学家就是bernoulli，二项分布就是n重bernoulli试验中成功次数的分布，简记为η~b（n，p）。

一般而言，概率密度函数（Probability Distribution Function）是针对连续型随机变量的，相应针对离散型随机变量有概率质量函数（Probability Mass Function）。概率质量函数即随机变量在各个可能值上对应的概率，你可以把它想象成一个直方图。

先说一个熟悉的内容，数列与函数。当然数列也是函数，但它的取值是自然数，取值是离散的，而一般的函数取值是某一个区间，在这区间内取值往往是可以连续的。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，比如，一次掷20个硬币，k个硬币正面朝上，k是随机变量，k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20，因而k是离散型随机变量。如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量，比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，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3.5、√20等，因而称这随机变量是连续型随机变量。

如果一个随机变量的所有取值个数为有限个或者可列个，则是离散型随机变量，但是它的取值不一定是整数的。至于连续型随机变量，得要求它的分布函数连续或者存在概率密度函数

　如果一个随机变量,它所有可能取的值是可列的（countable),可列包括有限 个(finite）或者无限可列（infinite countable)多个,那么这个随机变量,就是离散的(discrete).　　例子：　　1. 抛一个骰子,所有可能得到的点数就是一个离散随机变量,所有可能的取值是｛1,2.6}　　2.某一个时间段内,话务中心接到的电话数量

离散型随机变量的分布函数是分段函数。分布函数是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。相关信息：离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。

离散型随机变量两点分布是在Y轴的两边概率均分。设离散型随机变量的分布律为，其中k=0，1。p为k=1时的概率(0

定义：若随机变量X只取有限多个或可列无限多个值，则称X为离散型随机变量。比如投一个色子出现的点数X，取值范围是｛1，2，3，4，5，6｝；110报警台一天接到的报警次数Y，取值范围为｛0，1，2……｝是吧

如果一个随机变量的所有取值个数为有限个或者可列个，则是离散型随机变量，但是它的取值不一定是整数的。至于连续型随机变量，得要求它的分布函数连续或者存在概率密度函数

掷一个骰子，令X为掷出的结果，则只会有1,2,3,4,5,6这六种结果，而掷出3.3333是不可能的，因而X也是离散型随机变量。2、公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，3、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、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。

随机变量知道吧，离散型随机变量指的是随机变量的值是不连续的数值。例如，一天接到电话的次数，是离散型随机变量，他的值是孤立的值；而比方说，水位，就不是离散型随机变量。而我们通常研究的是取值有限的离散型随机变量

概率函数，即用函数的形式来表达概率。 pi = P(x = i)(i = 1,2,3,4,5,6) 在此函数中，自变量（x）是随机变量的取值，因变量（pi）是取值的概率。 它代表了每个取值的概率，比如 P(x = 1) = 1/6，这代表用概率函数的形式来表示，当随机变量取值为1的概率为1/6，一次只能代表一个随机变量的取值。 即上面是取值，下面是取值所对应的概率。 For example: 一颗6面的骰子，有1,2,3,4,5,6这6个取值，每个取值取到的概率都为1/6. 那以下的列表是不是这个骰子取值的“概率分布”？ 其实不是，对于一颗骰子来说，它列出的不是全部的值，把6漏掉了！ 以上公式中F（x）即代表概率分布函数，又叫累积概率函数。 连续型随机变量也有它的“概率函数”和“概率分布函数”，但是连续型随机变量的“概率函数”换了一个名字，叫做“概率密度函数”！ 其解释如下： 如果不好理解的话，看看下面的公式： （上述公式中应该是f(x)） 概率密度函数用数学公式表示就是一个定积分的函数，定积分在数学中是用来求面积的，在这里，概率即是面积！ For example: 左边是F（x）连续型随机变量的分布函数，右边是f（x）连续型随机变量的概率密度函数，它们之间的关系就是：概率密度函数是分布函数的导函数！

随机变量百度百科解释为随机现象（在一定条件下，并不总是出现相同结果的现象称为随机现象）各种结果的实值函数（一切可能的样本点）。在高等数学书里面分为离散型和连续性两种。有些书会提到混合型随机变量。我目前认识到的就这三种。离散型直接列取值取值概率比两点布P(X=1)=0.6P(X=0)=0.4连续型取特定值概率0取值区间面意义所用布函数概率密度函数描述布函数F(x)表示随机变量X≤x概率F(x)=P(X≤x)概率密度函数F(x)导数记f(x)满足P(a≤X≤b)=∫(ab)f(x)dx但是在一些题目当中或者老师的讲课或者某些书中会提到混合型随机变量，而且这个是在多维随机变量中才会有，以二维为例，取个例子可能更清楚

因为成绩是区间连续值，有许多变量。

假设 X，Y 为离散变量，X，Y同分布 iff range(X)=range(Y), P(X=x)=P(Y=x) for all x in range(X)

我这里没数学公式编辑器,不好给你例子! 其实数学期望就是求个平均值!求期望：1、“样本点乘以对应的概率”,2、然后把这些值加起来就是期望了（不过要求总和要收敛哦,你想一个和不收敛,就没了求某个肯定的值了,何来期望）

离散型的直接列出取值和取到这个值的概率,比如两点分布P(X=1)=0.6,P(X=0)=0.4这样. 连续型的取到一个特定值的概率是0,只有取值在一个区间里面有意义,所以用分布函数和概率密度函数描述.分布函数F(x)表示随机变量X≤x的概率,也就是F(x)=P(X≤x).概率密度函数就是 F(x)的导数,记为f(x),满足P(a≤X≤b)=∫(a到b)f(x)dx.

离散型随机变量:如果随机变量X只可能取有限个或可列个值x1,x2,...,，则称X为离散型随机变量。连续型随机变量:这种变量的取值充满一个区间，无法一一排出。

你好！二项分布与泊松分布是离散型随机变量，正态分布是连续型随机变量。经济数学团队帮你解答，请及时采纳。谢谢！

E(x)=u2211x*px=u2211{[n*1/2n(n+1)]+[-n*1/2n(n+1)]} (n=1,2,...) =u2211[(n-n)*1/2n(n+1)] =0

P{X=1}=P{X=2}，λ*e^-λ=λ^2*e^-λ/2，λ=λ^2/2，λ=2，P{X=4}=2^4*e^-2/4!=2e^-2/3。随机变量分为离散型随机变量与 非离散型随机变量两种，随机变量的函数仍为随机变量。有些随机变量,它全部可能取到的不相同的值是有限个或可列无限多个，也可以说概率1以一定的规律分布在各个可能值上。这种随机变量称为"离散型随机变量"。扩展资料：离散型随机变量概率分布定义1：如果随机变量X只可能取有限个或至多可列个值，则称X为离散型随机变量。定义2：设X为离散型随机变量，它的一切可能取值为X1，X2，……，Xn，……，记P=P{X=xn},n=1,2...称上式为X的概率函数，又称为X的概率分布，简称分布。应用范围：自变量的变换、卷积和、傅里叶级数、傅里叶变换、Z变换。

离散型随机变量：二项分布与泊松分布。连续型随机变量：正态分布。1、离散变量是指其数值只能用自然数或整数单位计算的，则为离散变量。例如，企业个数、职工人数、设备台数等。只能按计量单位数计数，这种变量的数值一般用计数方法取得。2、连续随机变量，在一定区间内可以任意取值的变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。例如， 生产零件 的 规格尺寸 , 人体测量 的身高、体重、胸围等为连续变量，其数值只能用测量或计量的方法取得。扩展资料：区别离散型随机变量只可能出现可数型的实现值，比如自然数集，{0,1}等等，常见的有二项随机变量，泊松随机变量等。连续型随机变量的实现值是属于不可数集合的，比如(0,1]，实数集，常见的有正态分布，指数分布，均匀分布等。参考资料：百度百科-离散型随机变量参考资料：百度百科-连续型随机变量

你好！E(XY)等于所有xi*yj*pij求和，本题E(XY)=0×0×(1/5)+0×1×(2/5)+0×2×(1/15)+1×0×(1/5)+1×1×(2/15)+1×2×0=2/15。经济数学团队帮你解答，请及时采纳。谢谢！