设相互独立,且皆取值于[0,1],服从均匀分布

来源:学生作业帮助网 编辑:作业帮 时间:2024/07/09 17:57:58
设相互独立,且皆取值于[0,1],服从均匀分布
设两个随机变量X,Y相互独立,且都服从均值为0、方差为12

令:Z=X-Y,则由于X,Y相互独立,且服从正态分布,因而Z也服从正态分布,且EZ=EX-EY=0-0=0,DZ=D(X-Y)=DX+DY=12+12=1,因此,Z=X-Y~N(0,1),∴E|X-Y

设随机变量X,Y相互独立,且服从[0,1]上的均匀分布,求X+Y的概率密度.

不太清楚你的意思,是不知道积分区域怎么出来的?还是不知道怎么积分?其实就是左右两块区域求积分和,见下图再问:不好意思没说清楚,是不知道怎么积分的再答:就是图中黑色区域,左边矩形和右边梯形的积分和。事实

设随机变量X与Y相互独立,且都服从正态分布N(0,1),则P{max(X,Y)≥0}=______.

P{max(X,Y)≥0}=1-P{max(X,Y)<0}=1-P{X<0,Y<0}由于随机变量X与Y相互独立,所以:P{max(X,Y)≥0}=1−P{X<0}P{Y<0}=1−Φ2(0)=34.故

相互独立事件A、B设事件A B相互独立,且P(A)>0,P(B)>0得出P(A-B)=P(A)P(非B)

P(A)-P(A)交P(B)再问:我想问P(A-B)=P(A)P(非B)怎么得来的?再答:P(A-B)是属于A且不属于B,P(A)交P(非B)是属于A且属于B的补集,所以相等

设X,Y为相互独立的随机变量,且均服从N(0,1),求E[min(X,Y)].

Z=min(X,Y),Fmin(z)=1-{1-FX(z)}{1-FY(z)}.对Fmin(z)关于z求导,则求出min(X,Y)的概率密度.那么求E[min(X,Y)]根据公式即可!还有一种解法:Z

设随机变量x~N(0,1),N(1,2),且x,y相互独立,则x-2y=?

首先X-2Y还是正态分布而E(X-2Y)=E(X)-2E(Y)=0-2=-2D(X-2Y)=D(X)+(-2)²D(Y)=1+4×2=9所以X-2YN(-2,9)

设随机变量X~N(0,1),N(0,1)且X,Y相互独立 求 E[X^2/(X^2+Y^2)]

瀑布汗.(X^2+Y^2)/(X^2+Y^2)=1E(1)=1再问:为什么E(1)=1?我知道(X^2+Y^2)/(X^2+Y^2)=1得出e(1)但为什么E(1)=1?再答:常数的期望等于自己,这题

设随机变量X ,Y分别服从(0-1)分布,证明:X,Y相互独立等价于X,Y不相关

设X,Y的分布律分别为X01Y011-pp1-qq(1)X,Y独立,那么他们一定不相关(这是书上的结论,只要独立就一定不相关)(2)X,Y不相关,则COV(X,Y)=0,即E(XY)=E(X)E(Y)

设随机变量X~N(-1 4),N(-2 9) ,且XY相互独立,则x-y~( )

正态分布具有可加性,X-Y也是正态分布E(X-Y)=EX-EY=1D(X-Y)=DX+DY=13X-Y~N(1,13)

设X与Y相互独立且服从N(0,0.5),证明X-Y是N(0,1)随机变量

因为X,Y独立的正太分布,所以他们的线性组合仍是正态分布D(X-Y)=DX+DY=1E(X-Y)=EX-EY=0所以有如题结果

设X Y 相互独立,且服从N(0,1)分布,试求E(根号(X^2+Y^2))

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

设X Y 相互独立,且服从N(0,1)分布,试求E(根号(X^2+Y^2))

根号(2*pi)积分可以化成极坐标做.

设X,Y为相互独立的随机变量,且均服从N(0,1),求E[min(X,Y)]

Z=min(X,Y),Fmin(z)=1-{1-FX(z)}{1-FY(z)}.对Fmin(z)关于z求导,则求出min(X,Y)的概率密度.那么求E[min(X,Y)]根据公式即可!还有一种解法:Z

设随机变量XY相互独立,且均服从正太分布N(0,1)则概率P(XY>0)为多少

X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.5P(XY>0)=P(X>0,Y>0)+P(X0)+P(X再问:X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.

考研 设随机变量X~N(0,1),N(0,1)且X,Y相互独立 求 E[X^2/(X^2+Y^2)]

可以这么做:因为X,Y相互独立,所以E[X^2/(X^2+Y^2)]=E[Y^2/(X^2+Y^2)].而E[X^2/(X^2+Y^2)]+E[Y^2/(X^2+Y^2)]=E[(X^2+Y^2)/(