數學期望的平方
若X是離散型的，則E(X^2)=∑((xi)^2)pi。若X是連續型的，則E(X^2)=(x^2)f(x)在-∞到+∞的定積分。
期望值並不一定等同於常識中的「期望」——「期望值」也許與每一個結果都不相等。期望值是該變數輸出值的平均數。期望值並不一定包含於變數的輸出值集合里。
大數定律規定，隨著重復次數接近無窮大，數值的算術平均值幾乎肯定地收斂於期望值。
(1)數學期望的平方擴展閱讀：
設隨機事件A在n次重復試驗中發生的次數為nA，若當試驗次數n很大時，頻率nA/n穩定地在某一數值p的附近擺動，且隨著試驗次數n的增加，其擺動的幅度越來越小，則稱數p為隨機事件A的概率，記為P(A)=p。
如果隨機變數只取得有限個值或無窮能按一定次序一一列出，其值域為一個或若干個有限或無限區間，這樣的隨機變數稱為離散型隨機變數。
事件的概率是衡量該事件發生的可能性的量度。雖然在一次隨機試驗中某個事件的發生是帶有偶然性的，但那些可在相同條件下大量重復的隨機試驗卻往往呈現出明顯的數量規律。
B. 方差為什麼是期望的平方的期望
因為如果不進行一次平方計算的話，期望對於期望的偏差是恆等於0，不能表徵偏差特性。
所以人為的進行一次平方運算。
C. 方差與數學期望的關系公式DX=EX^2-(EX)^2 不太清楚是什麼意思 舉例說下。謝謝
將第一個公式中括弧內的完全平方打開得到
DX=E(X^2-2XEX+(EX)^2)
=E(X^2)-E(2XEX)+(EX)^2
=E(X^2)-2(EX)^2+(EX)^2
=E(X^2)-(EX)^2
若隨機變數X的分布函數F(x)可表示成一個非負可積函數f(x)的積分，則稱X為連續性隨機變數，f(x)稱為X的概率密度函數（分布密度函數）。
數學期望
來估計X的方差，並且把它叫做「樣本方差」。
D. x平方的數學期望和x的數學期望有什麼關系
D（X）抄=E{[X-E（襲X）]^2}=E（X^2） - [ E（X）]^2
當D（X）=E{[X-E（X）]^2}稱為變數X的方差，而
E. X服從二項分布,求X平方的數學期望
樓上哥們說錯了。d(x)=e（x^2)-e(x)^2
d(x)是方差，大學里是var（x）=np（1-p）
我也剛搞清楚。高中什麼的都忘了。
F. 離散型隨機變數X平方的數學期望，即E[X^2]怎麼求
如果知道X的分布律，先求出X^2的分布律，再求期望，如果不知道可以考慮樓上的方法……
不是……
X^2 0 4
p 0.3 0.7
因此E(x^2)=4*0.7+0*0.3=2.8
G. 已知隨機變數X的數學期望EX=4，方差DX=36，則EX平方等於（）
如圖所示。
H. 關於數學期望與平方的問題 在線等
I. 數學期望，E(X)和E(X^2)有什麼區別，什麼意思，
區別：
1、數值不同E（X）=E（X），而E（X^2）=D（X）+E（X）*E（X）。
2、代表的意義不同，E（X）表示X的期望，而E（X^2）表示的是X^2的期望。
3、求解的方法不同，E（X^2）的求解為x^2乘以密度函數求積分，E（X）的求解為x乘以概率密度然後求積分。
當數據分布比較分散（即數據在平均數附近波動較大）時，各個數據與平均數的差的平方和較大，方差就較大；當數據分布比較集中時，各個數據與平均數的差的平方和較小。因此方差越大，數據的波動越大；方差越小，數據的波動就越小。
參考資料來源：網路-數學期望
參考資料來源：網路-方差
J. 總體服從正態分布N(μ,σ²),其樣本均值的平方的數學期望是什麼