數學期望exy
① 概率論中，EXY=EXEY，是X與Y相互獨立的必要條件還是充要條件
必要條件。X與Y獨立可以推出E（XY）=E（X）E（Y），但E（XY）=E（X）E（Y）不能推出X與Y獨立，只能得出X與Y不相關（協方差為0）。
定義：設A,B是兩事件，如果滿足等式P(A∩B)=P(AB)=P(A)P(B)，則稱事件A、B相互獨立，簡稱A、B獨立。
1、P(A∩B)就是P(AB)
2、若P(A)>0，P(B)>0則A、B相互獨立與A、B互不相容不能同時成立，即獨立必相容，互斥必聯系。
(1)數學期望exy擴展閱讀
推廣：
設A,B,C是三個事件，如果滿足P(AB)=P(A)P(B)、P(BC)=P(B)P(C),P(AC)=P(A)P(C)、P(ABC)=P(A)P(B)P(C)，則稱事件A、B、C相互獨立。
更一般的定義是A1、A2、……,An是n(n≥2)個事件,如果對於其中任意2個，任意3個，…任意n個事件的積事件的概率，都等於各個事件概率之積，則稱事件A1、A2、……,An相互獨立。
② 二維離散型隨機變數的 E（xy）怎麼求 離散型 離散型 離散型 不是連續型！！！
因為，(X，Y)是二維離散型隨機變數
所以，xy也是離散型隨機變數
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)＝1/2
P(y＝0)＝1/2，P(y＝1)＝1/2
則，P(xy＝0)＝3/4
P(xy＝1)＝1/4
所以，E(XY)＝0×(3/4)＋1×(1/4)＝1/4
如果隨機變數X的所有可能的取值是有限或者可列無窮多個，那麼它分布函數的值域是離散的，對應的分布為離散分布。常用的離散分布有二項分布、泊松分布、幾何分布、負二項分布等。
(2)數學期望exy擴展閱讀：
離散型隨機變數在一定區間內變數取值為有限個或可數個。例如某地區某年人口的出生數、死亡數，某葯治療某病病人的有效數、無效數等。
隨機事件數量化的好處是可以用數學分析的方法來研究隨機現象。例如某一時間內公共汽車站等車乘客人數，電話交換台在一定時間內收到的呼叫次數，燈泡的壽命等等，都是隨機變數的實例。
在實際問題中通常用它來表徵多個獨立操作的隨機試驗結果或多種有獨立來源的隨機因素的概率特性，因此它對於概率統計的應用是十分重要的。
③ 期望值E（XY）怎麼求，X，Y不獨立
如果有聯合分布律的話，E（XY）=(X1)* (Y1)*(P1)+ (X2)*( Y2)*(P2)+…
(3)數學期望exy擴展閱讀：
若兩個隨機變數X和Y相互獨立，則E[(X-E(X))(Y-E(Y))]=0，因而若上述數學期望不為零，則X和Y必不是相互獨立的，亦即它們之間存在著一定的關系。
協方差與方差之間有如下關系：
D(X+Y)=D(X)+D(Y)+2Cov(X，Y)
D(X-Y)=D(X)+D(Y)-2Cov(X，Y)
協方差與期望值有如下關系：
Cov(X，Y)=E(XY)-E(X)E(Y)。
協方差的性質：
（1）Cov(X，Y)=Cov(Y，X)；
（2）Cov(aX，bY)=abCov(X，Y)，（a，b是常數）；
（3）Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。
由協方差定義，可以看出Cov(X，X)=D(X)，Cov(Y，Y)=D(Y)。
④ 高數概率論。為什麼不相關也能使得EXY=EXEY不需要「獨立」
獨立只是E(XY)=EXEY的一個充分條件，但不是必要條件。由於cov(X,Y)=E(X-EX)(Y-EY)=E(XY)-EXEY，所以不相關<=>cov(X,Y)=0<=>E(XY)=EXEY。
相關->不獨立
獨立->不相關
是一對逆反命題
直接說不相關->獨立是不行的
(4)數學期望exy擴展閱讀
假設某一超市出售的某種商品，每周的需求量X在10至30范圍內等可能取值，該商品的進貨量也在10至30范圍內等可能取值（每周只進一次貨）超市每銷售一單位商品可獲利500元。
若供大於求，則削價處理，每處理一單位商品虧損100元；若供不應求，可從其他超市調撥，此時超市商品可獲利300元。試計算進貨量多少時，超市可獲得最佳利潤，並求出最大利潤的期望值。
由於該商品的需求量（銷售量）X是一個隨機變數，它在區間[10,30]上均勻分布，而銷售該商品的利潤值Y也是隨機變數，它是X的函數，稱為隨機變數的函數。題中所涉及的最佳利潤只能是利潤的數學期望（即平均利潤的最大值）。
因此，本問題的解算過程是先確定Y與X的函數關系，再求出Y的期望E(Y)。最後利用極值法求出E(Y)的極大值點及最大值。
⑤ 隨機變數的數學期望
樓主的這個結論明顯是得不出來的。
如果隨機變數XY相互獨立，那麼有：EXY=EXEY
XY相互獨立，那麼它們的相關系數：ρ=0
ρ=Cov(X,Y)/√(DXDY)=0
協方差：Cov(X,Y)=0
Cov(X,Y)=EXY-EXEY=0
所以有：EXY=EXEY
希望幫助到你~望採納
⑥ Exy怎麼算的不會算倒數第四行
只要是求期望，都是用需要求期望的那個函數乘上概率密度函數，然後在整個區域上積分，這個就是期望的定義；
在這個題目里邊，函數就是xy乘以聯合概率密度，然後在整個區域上積分；
O(∩_∩)O謝謝
⑦ 數學期望EXY XY服從0-1分布,EXY=5/8 請問為什麼畫出聯合分布表後,EXY=P22呢
我確信你聯合分布畫錯了,請給出聯合分布表
⑧ 連續型的二維隨機變數的EXY等於多少這里xy不獨立。求公式
計算公式為E(XY)=∫∫xyf(x，y)dxdy，積分范圍是整個平面，其中f(x,y)是聯合概率密度。
二維隨機變數( X，Y)的性質不僅與X 、Y 有關,而且還依賴於這兩個隨機變數的相互關系。因此，逐個地來研究X或Y的性質是不夠的，還需將（X，Y）作為一個整體來研究。
設E是一個隨機試驗，它的樣本空間是S={e}，設X=X（e）和Y=Y(e)S是定義在S上的隨機變數，由它們構成的一個向量（X，Y）。
(8)數學期望exy擴展閱讀：
如果隨機變數X的所有可能取值不可以逐個列舉出來，而是取數軸上某一區間內的任一點的隨機變數。例如，一批電子元件的壽命、實際中常遇到的測量誤差等都是連續型隨機變數。
一個事件的概率為1，並不意味這個事件一定是必然事件。
當提到一個隨機變數X的概率分布，指的是它的分布函數，當X是連續型時指的是它的概率密度，當X是離散型時指的是它的分布律。
⑨ 概率中的期望E（XY）要怎麼求啊
如果是獨立的可以兩個期望相乘，如果不獨立，可以用概念法
⑩ 數學期望中E(XY)表示什麼意思呢，求解答
數學期望中E(XY)表示xy相乘的數學期望。
首先x，y都是隨便變數，E（x）表示x的「平均」，即數學期望，而現在相當於把xy看成一個數（x，y各自隨機取值），然後求（不妨設z=xy），也就是E(Z)=E(XY)。
概率論和統計學中，數學期望(mean)（或均值，亦簡稱期望）是試驗中每次可能結果的概率乘以其結果的總和，是最基本的數學特徵之一。它反映隨機變數平均取值的大小。
(10)數學期望exy擴展閱讀：
離散型隨機變數與連續型隨機變數都是由隨機變數取值范圍(取值)確定。
變數取值只能取離散型的自然數，就是離散型隨機變數。例如，一次擲20個硬幣，k個硬幣正面朝上，k是隨機變數。k的取值只能是自然數0，1，2，…，20，而不能取小數3.5、無理數√20，因而k是離散型隨機變數。
如果變數可以在某個區間內取任一實數，即變數的取值可以是連續的，這隨機變數就稱為連續型隨機變數。
例如，公共汽車每15分鍾一班，某人在站台等車時間x是個隨機變數，x的取值范圍是[0,15），它是一個區間，從理論上說在這個區間內可取任一實數3.5、無理數√20等，因而稱這隨機變數是連續型隨機變數