A. 概率论与数理统计 数学期望 E(X∧2)怎么求
若X是离散型的，则E(X^2)=∑((xi)^2)pi。若X是连续型的，则E(X^2)=(x^2)f(x)在-∞到+∞的定积分。
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。
大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。
(1)数学期望的平方扩展阅读：
设随机事件A在n次重复试验中发生的次数为nA，若当试验次数n很大时，频率nA/n稳定地在某一数值p的附近摆动，且随着试验次数n的增加，其摆动的幅度越来越小，则称数p为随机事件A的概率，记为P(A)=p。
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。
事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。
B. 方差为什么是期望的平方的期望
因为如果不进行一次平方计算的话，期望对于期望的偏差是恒等于0，不能表征偏差特性。
所以人为的进行一次平方运算。
C. 方差与数学期望的关系公式DX=EX^2-(EX)^2 不太清楚是什么意思 举例说下。谢谢
将第一个公式中括号内的完全平方打开得到
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
若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数（分布密度函数）。
数学期望
来估计X的方差，并且把它叫做“样本方差”。
D. x平方的数学期望和x的数学期望有什么关系
D（X）抄=E{[X-E（袭X）]^2}=E（X^2） - [ E（X）]^2
当D（X）=E{[X-E（X）]^2}称为变量X的方差，而
E. X服从二项分布,求X平方的数学期望
楼上哥们说错了。d(x)=e（x^2)-e(x)^2
d(x)是方差，大学里是var（x）=np（1-p）
我也刚搞清楚。高中什么的都忘了。
F. 离散型随机变量X平方的数学期望，即E[X^2]怎么求
如果知道X的分布律，先求出X^2的分布律，再求期望，如果不知道可以考虑楼上的方法……
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. 已知随机变量X的数学期望EX=4，方差DX=36，则EX平方等于（）
如图所示。
H. 关于数学期望与平方的问题 在线等
I. 数学期望，E(X)和E(X^2)有什么区别，什么意思，
区别：
1、数值不同E（X）=E（X），而E（X^2）=D（X）+E（X）*E（X）。
2、代表的意义不同，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）的求解为x^2乘以密度函数求积分，E（X）的求解为x乘以概率密度然后求积分。
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。
参考资料来源：网络-数学期望
参考资料来源：网络-方差
J. 总体服从正态分布N(μ,σ²),其样本均值的平方的数学期望是什么
来估计X的方差，并且把它叫做“样本方差”。