随机变量的分布列

例如：Y=2X+1 离散型随机变量中,P{X=1}=1/2 由于X=1时必定有Y=3,所以事件{X=1}与{Y=3}等价,因此P{X=1}=P{Y=3}=1/2

概率和即P的和是1就行了。第一个为1.1不对；第二个为0.7不对；第三个等比数列和为3/4(1-(1/3)^n)，n无穷大时此值趋于3/4，不对；第四个等比数列和为1-(1/2)^n，n无穷大时此值趋于1，正确。

X P1 1/32 1/33 1/3期望值E（x)=1*(1/3)+2*(1/3)+3*(1/3)=2D(x)=E(X^2)-[E(X)]^2X^2 P1 1/34 1/39 1/3E(x*2)=14/3所以D（x)=14/3-2^2=2/3因为D(ax+b)=a^2D(x)所以 D（3x+5)=9D(x)=6

E(X)=∑(k=1-->n)k/n=(n+1)/2E(X^2)=∑(k=1-->n)k^2/n=n(n+1)(2n+1)/6n=(n+1)(2n+1)/6(平方和公式即1^2+2^2+3^2+…+n^2=n(n+1)(2n+1)/6)V(X)=E(X^2)-(E(X))^2=(n^2-1)/12

离散型随机变量分布列自从实行新的课程改革以来,一直受到高考命题者的青睐,成为继二面角之后高考的又一个热点,因此如何解答好离散型随机变量分布列问题,便成为决胜高考的一个重要指标.本文想从三个方面谈起,以利于帮助学生很好的解决离散型随机变量分布列的问题.一．正确理离散型随机变量的含义.离散型随机变量分布列其主要构成包含两方面的内容,一是随机变量的可能取值,二是取该值时对应的概率值.正确理解离散型随机变量的含义,为我们求解相应的概率奠定了基础.例如（06全国Ⅱ）某批产品成箱包装,每箱5件．一用户在购进该批产品前先取出3箱,再从每箱中任意抽取2件产品进行检验．设取出的第一、二、三箱中分别有0件、1件、2件二等品,其余为一等品．（Ⅰ）用ξ表示抽检的6件产品中二等品的件数,求ξ的分布列及ξ的数学期望；（Ⅱ）若抽检的6件产品中有2件或2件以上二等品,用户就拒绝购买这批产品,求这批产品级用户拒绝的概率．第一问中明确指出ξ是在抽检过程中6件产品中二等品的个数,不难发现ξ的取值为0,1,2,3.但这里的ξ取0是指在第一箱、第二箱、第三箱中分别取到2件二等品；ξ取1是指在第一箱、第三箱中分别取2件一等品同时在第二箱中取1件一等品1件二等品或在第三箱中取1件一等品1件二等品同时在第一箱、第二箱中各取2件一等品；ξ取2是指在第一箱中取2件一等品同时在第二箱、第三箱中各取1件一等品1件二等品或在第一箱、第二箱中各取2件一等品同时在第三箱中取到2件二等品；ξ取3是指在第一箱取2件一等品,在第二箱中取1件一等品1件二等品同时在第三箱中取2件二等品.而不是在包含3件二等品的15件产品中抽取6件产品时含0件、1件、2件、3件二等品这种情形.二、分清类型,正确理解二项分布与几何分布分布列的求解中一要重视抽取中有无放回,二要正确理解二项分布与几何分布,找出它们的异同.它们的共同特点是每次观察中出现的概率相等,且都为独立重复试验,不同点是二项分布所考虑的试验是一个只有两个结果的有限次试验,而几何分布中是一个在依次试验中只有两个结果的无限次试验,因而在二项分布中变量的取值是从0到n,而在几何分布中变量取值是从1开始的非零自然数,当然我们还可以通过“恰好”、“第一次”、“首次”这些字眼上加以区分二项分布和几何分布.三、求解相应的概率不容忽略细节.分布列的求解,其关键在于对响应取值时概率的计算,而往往可能因为忽略其细节,致使概率求解出错.如（05全国）甲、乙两队进行一场排球比赛,根据以往经验,单局比赛甲队胜乙队的概率0.6.本场比采取五局三胜制,即先胜三局的队获胜,比赛结束,设各局比赛相互之间没有影响,今令ξ为本场比赛的局数,求ξ的分布列和数学期望（精确到0.0001）显然对于ξ的取值应为3、4、5三个,而在当ξ取4时相应概率计算可能会忽略甲取胜或乙取胜 无论甲胜还是乙胜、4场比赛中第4场一定要胜,可能甲,也可能乙胜因而概率的计算过程中前三场中甲恰好胜两场或乙恰好胜两场 .总之对离散型随机变量分布列问题的求解,方法可能多种多样,但我们必须认真阅读,抓住要害,准确把握随机变量的含义,分清所属类型、解答中不忽略细节,才可能在分布列求解问题中获胜,为高考取胜增加比重.

cos0 = 1 cosπ/2 =0 cosπ=-1 分布列为 1 0 -1 1/4 1/2 1/4

1.显然每个人去甲游戏的概率是1/3，去乙游戏的概率是2/3独立重复事件：去甲的2人，去乙的2人，（1/3）^2*(2/3)^2=4/81 2.显然去参加甲游戏的的人数大于去参加乙游戏的人数只有两种情况，3人或全部（1/3）^3*(2/3)＋（1/3）^4=1/27

E(X)=∑(k=1-->n)k/n=(n+1)/2 E(X^2)=∑(k=1-->n)k^2/n=n(n+1)(2n+1)/6n=(n+1)(2n+1)/6 (平方和公式即1^2+2^2+3^2+…+n^2=n(n+1)(2n+1)/6) V(X)=E(X^2)-(E(X))^2=(n^2-1)/12

例如：Y=2X+1离散型随机变量中，P{X=1}=1/2由于X=1时必定有Y=3，所以事件{X=1}与{Y=3}等价，因此P{X=1}=P{Y=3}=1/2

随机变量是高数知识，不分文理科，都要学习的。

“概率为什么没变”是指什么概率没变啊？请举例说明。

有P(X=r)概率之和为1得t+t^2+..+t^n+..=lim(n趋近无穷)t(1-t^n)/(1-t) 由t^n趋近如0 所以结果为t/(1-t)=1t=1/2

两点分布（伯努利分布）、二项分布、超几何分布都是下面这种模型： 从一堆球中选出一个或多个好球.具体说： 一堆球,共有N个,其中有K个好球. 伯努利分布是：选出1个好球的概率,也就是：K/N 二项分布是：选n次,每次选完后将球放回,选到k个好球的概率：C(n,k) (K/N)^k (1-K/N)^(n-k) （其中,C(n,k)代表从n个里选k个的组合数） 超几何分布是：选n次,每次选完后球不放回,选到k个好球的概率：C(K,k) C(N-K,n-k) / C(N,n)

数学期望Eξ=∑xi*P(xi) 即分步数*所对应的概率的和 ∴Eξ= 1*1/8+2*1/4+3*1/8+4*1/6+5*1/3=10/3

因为有离散型随机变量，为研究离散型随机变量的概率，所以要给出随机变量取每个值时的概率，这就是离散型随机变量的分布列。

你好！分布列中所有概率之和是1，由此可写出等式解出c值。经济数学团队帮你解答，请及时采纳。谢谢！

概率和即P的和是1就行了。第一个为1.1不对；第二个为0.7不对；第三个等比数列和为3/4(1-(1/3)^n)，n无穷大时此值趋于3/4，不对；第四个等比数列和为1-(1/2)^n，n无穷大时此值趋于1，正确。

∵随机变量X的分布列为P（X=k）=2λk（k=1，2，3…，n，…）， ∴lim n→∞ [2（λ+λ2+…+λn ）]=1， ∴lim n→∞ λ(1?λn) 1?λ =1 2 ， ∵0＜λ＜1，∴λ 1?λ ＝1 2 ，解得λ=1 3 ．故答案为：1 3 ．

不同随机变量的分布列概率类型：两点分布（伯努利分布）、二项分布、超几何分布。分布列用于离散的随机变量的分布描述。基本上是可以列表出来的，也就是说有限少数的概率分布。

选D。概率分布F(x)=∫<-∞,x>f(x)dx,F(+∞)=∫<0,1>ax^2dx=a/3=1,所以a=3积分时A可以提到前面（A为常数）然后对X积分为1/2x^2，代入1得1/2，再和常数A相乘得A/2由题意知道f(x)在0到1上的积分应该为1，故a/2=1，解得a等于2；求F(x)，分为三段，x<0,0<x<1,x>1，分别对概率密度函数进行积分，得到结果为F(x)=0(x<0)，F(x)=x^2(0<x<1),F(x)=1(x>1)，（x=0与x=1任意归并进去）。扩展资料：设X,Y是概率空间(Ω,F,p)上的两个随机变量，如果除去一个零概率事件外，X(ω)与Y(ω)相同，则称X=Y以概率1成立，也记作p(X=Y)=1或X=Y,α.s.（α.s.意即几乎必然）。有些随机现象需要同时用多个随机变量来描述。例如对地面目标射击，弹着点的位置需要两个坐标才能确定，因此研究它要同时考虑两个随机变量，一般称同一概率空间(Ω,F,p)上的n个随机变量构成的n维向量X=(x1,x2,…，xn)为n维随机向量。随机变量可以看作一维随机向量。称n元x1,x2,…，xn的函数为X的(联合)分布函数。又如果(x1,x2)为二维随机向量，则称x1+ix2(i2=-1)为复随机变量。参考资料来源：百度百科-随机变量

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