1. 正态分布的期望的推导过程?
2. 正态分布的数学期望推导过程最后一步
我的理解是:第二行到第三行是这样的
3. 正态分布数学期望
原函数不是初等函数,不能直接积分,可作变量代换t=(√2)y,再利用下图的结论写出答案。
4. 求正态分布的数学期望
楼主的题目还是有问题,此题应该加上 X,Y相互独立的条件。
你可以先求出Z的密度再来求期望,但会比较麻烦。
相信楼主手里的教材上一定有这样一道题目的解答:
在本题相同的条件下求W=max(X,Y)的期望,答案为:1/根号下\Pi;
在此基础上可以有一个简单做法解楼主的问题: 由X,Y相互独立且均服从标准正态分布,可以推出:
—X,—Y相互独立且也是均服从标准正态分布,而
min(X,Y)= —max(—X, —Y),
所以
Emin(X,Y)= —Emax(—X, —Y)=—1/根号下\Pi.
5. 正态分布的数学期望
E(x^4)
=∫x^4*1/√(2π)e^(-x^2/2)dx 积分区间(-∞,+∞)
=2∫x^4*1/√(2π)e^(-x^2/2)dx 积分区间(0,+∞)
分步积分。
=-2x^3*1/√(2π)e^(-x^2/2)+2/√(2π)∫3x^2*e^(-x^2/2)dx
=-2x^3*1/√(2π)e^(-x^2/2)-2/√(2π)3x*e^(-x^2/2)
+2/√(2π)∫3*e^(-x^2/2)dx
积分区间(0,+∞)
1/√(2π)∫e^(-x^2/2)dx=1/2
2/√(2π)∫3*e^(-x^2/2)dx=3*2*1/2=3
而2x^3*1/√(2π)e^(-x^2/2)-2/√(2π)3x*e^(-x^2/2)
=2x^3/√(2π)e^(x^2/2)-6x/√(2π)*e^(x^2/2)
利用罗必塔法则,
lim2x^3/√(2π)e^(x^2/2)-6x/√(2π)*e^(x^2/2)=0
所以E(x^4)=3
满意请采纳。
6. 对数正态分布的期望和方差如何推导?
就是暴力积分就可以了,但是要做一个换元,把ln(x)换成x。
正态分布(Normal distribution),也称“常态分布”,又名高斯分布(Gaussian distribution),最早由棣莫弗(Abraham de Moivre)在求二项分布的渐近公式中得到。
C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ2的正态分布,记为N(μ,σ2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ= 0,σ= 1时的正态分布是标准正态分布。
7. 求正态分布的数学期望和方差的推导过程
不用二重积分的,可以有简单的办法的。
设正态分布概率密度函数是f(x)=[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]
其实就是均值是u,方差是t^2,百度不太好打公式,你将就看一下。
于是:
∫e^[-(x-u)^2/2(t^2)]dx=(√2π)t。。。。。。(*)
积分区域是从负无穷到正无穷,下面出现的积分也都是这个区域,所以略去不写了。
(1)求均值
对(*)式两边对u求导:
∫{e^[-(x-u)^2/2(t^2)]*[2(u-x)/2(t^2)]dx=0
约去常数,再两边同乘以1/(√2π)t得:
∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]*(u-x)dx=0
把(u-x)拆开,再移项:
∫x*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=u*∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx
也就是
∫x*f(x)dx=u*1=u
这样就正好凑出了均值的定义式,证明了均值就是u。
(2)方差
过程和求均值是差不多的,我就稍微略写一点了。
对(*)式两边对t求导:
∫[(x-u)^2/t^3]*e^[-(x-u)^2/2(t^2)]dx=√2π
移项:
∫[(x-u)^2]*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=t^2
也就是
∫(x-u)^2*f(x)dx=t^2
正好凑出了方差的定义式,从而结论得证。
8. 关于正态分布函数的数学期望
X~N(0,1)
Y= (X-1)/2
E(Y)=E((X-1)/2 ) = (1/2)E(X) -1/2 = -1/2
D(Y)=D((X-1)/2 ) = (1/4)D(X) = 1/4
Y=(X-1)/2 ~N(-1/2, 1/4)
(X-1)/2 的数学期望 = -1/2