随机变量的数学期望不是简单的算术平均值，而是以概率为权的加权平均值（）

一维随机变量的数字特征，包括离散型随机变量的数学期望与方差等 设随机变量x的概率密度为则Y=1/X的数学期望是（ ）。 离散型随机变量的数学期望一定存在 随机变量的数学期望反映的是其离散性（） 若离散型随机变量有有限个可能取值，则该随机变量的数学期望一定存在 设随机变量X的概密度为则的数学期望是（ ）。 已知随机变量X服从参数为2的泊松分布，则随机变量Y=3X-2的数学期望为（　　）。 设连续随机变量X，已知X≥0，其平均值受限，即数学期望为A，试求在此条件下获得的最大熵的最佳分布，并求出最大熵。 正态分布的概率密度函数，总体标准差σ愈大，曲线低而宽，随机变量在平均值μ附近出现的密度愈小；总体标准差σ愈小，曲线高而窄，随机变量在平均值μ附近出现的密度愈大。 随机变量的大小可以用它的数学期望来表示，而随机变量取值的分散程度可以用它的方差来表示。 随机变量的大小可以用它的数学期望来表示，而随机变量取值的分散程度可以用它的方差来表示（） 期望值是随机变量的概率加权和，方差描述随机变量偏离其期望值的程度。（　） 期望值是随机变量的概率加权和，方差描述随机变量偏离其期望值的程度。() 离散随机变量X的信息熵就是其概率空间中每个事件所含有的自信息量的数学期望 （）又称平均值、均值，是全部变量值的算术平均。 期望刻画了随机变量的平均水平,方差刻画了随机变量的离散程度 随机变量的均值反应了他的取值统计平均值，它的方差反应了它的取值偏离均值的平均值（） 已知某个连续型随机变量X的数学期望E(X)=1，则X的概率密度函数不可能是( ). 若随机变量X服从正态分布N（3，1），则X的数学期望为3 平均寿命E（t）是个箅术平均值，在概率中称（）。Ⅰ.数学期望值；Ⅱ.均值