最佳答案:P(λ) E(X)=λ D(X)=λX指数分布 E(X)=1/λ D(X)=1/λ
最佳答案:这个级数直接就是Exp函数的泰勒展开,就是这么求和的要是一步步做的话,可以对lambda求导.得出导数等于原来的函数,然后解此微分方程,利用初始条件(lambd
最佳答案:如果X~P(a)那么E(x)=D(x)=a;证明过程实在不好写(很多符号)先证明E(x)=a;然后按定义展开E(x^2)=a^2+a;因为D(x)=E(x^2)
最佳答案:均匀分布m=(a+b)/2 ,D=(b-a)^2 / 12泊松分布m=λ ,D=λ指数分布m=1/λ ,D=1/λ/λ正态分布m=u,D=σ^2
最佳答案:如果单位时间发生的次数(如到达的人数)服从参数为r的泊松分布,则任连续发生的两次时间的间隔时间序列服从参数为r的指数分布
最佳答案:X~P(λ)期望 E(X)=λ方差D(X)=λ利用泊松分布公式P(x=k)=e^(-λ)*λ^k/k!可知P(X=0)=e^(-λ)
最佳答案:根据泊松分布的公式带入λ,可以算出产出k个卵的概率.因为每个卵的孵化是独立事件,可以根据二项分布得到k个卵中孵化m个的概率最后把各个k下孵化相同数目m个卵的项合