x服从正态分布,y服从泊松分布,求
来源:学生作业帮助网 编辑:作业帮 时间:2024/07/19 16:02:20
![x服从正态分布,y服从泊松分布,求](/uploads/image/f/903055-31-5.jpg?t=x%E6%9C%8D%E4%BB%8E%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83%2Cy%E6%9C%8D%E4%BB%8E%E6%B3%8A%E6%9D%BE%E5%88%86%E5%B8%83%2C%E6%B1%82)
D(X)=σ^2D(Y)=λpxy=Cov(X,Y)/根号(D(X)D(Y))Cov(x,y)=pxy(σ)根号λ=0.5(σ)根号λD(3x-2y)=D(3x)+D(-2y)+2Cov(3x,-2y
Z的分布叫做瑞利(Rayleigh)分布,具体求法:f(x,y)=[1/(2πσ^2)]*e^-[(x^2+y^2)/2σ^2]当z=0时,有:F(z)=∫∫f(x,y)dxdy,其中积分区域为x^2
依然正态分布 +1的话只是平均值+1,不影响方差图片来自维//……基,不添加链接了以防答案被吞
X²/1,Y²/1均服从自由度为1的χ²分布.按照F分布的定义,(X²/1)/(Y²/1)=X²/Y²,服从自由度为(1,1)的F
令x,N(0,1)x=1/根号(2π)*exp(-x^2/2)y=1/根号(2π)*exp(-y^2/2)x平方=1/(2π)*exp(-x^2)y平方=1/(2π)*exp(-y^2)由于x+y=1
这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明
要用到微积分吗?具体公式给下回答:=Σ(3^I*e^(-3)I/I!)(3^(K-I)*e^(-3)I/(K-I)!)=Σ(3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!)=Σ[
设X服从泊松分布,参数为λ,那么EX=λ,DX=λ,所以E[X(X-1)]=E(X^2)-EX=DX+(EX)^2-EX=λ+λ^2-λ=λ^2.也可以直接根据定义E[X(X-1)]=sum(n(n-
X服从正态分布,则X的平方服从卡方分布.
和依旧服从正态分布,这个是正态分布中的一个定理,具体你可以翻阅概率论与数理统计的书籍,如参见《概率论与数理统计》(何书元,北京大学出版社)正态总体那一章.
1.独立的正态分布的联合分布也服从正态分布.2.没关系.3.去掉独立后,结论不成立.4.由分布密度来判断是否是二维正态分布.
(u1+u2,σ1^2+σ2^2)^代表平方哈,这是正态分布的可加性吧再问:那X-Y呢?谢谢你啊,要考试了其实是想知道X+Y与X-Y的方差相不相等。麻烦帮个忙再答:相等的,当X,Y不独立,D(X+(或
XY服从差方分布~你说的那个只能用二维分布率公式自己推了
就是满足正态分布的性质.
π(a)π(b)π(a)π(b)为柏松分布则P{X=k}=(a^k)e^(-a)/k!P{Y=m}=(b^m)e^(-b)/m!k,m=0,1,2.因为X,Y相互独立则他们的联合分布P{X=k,Y=m
1fX(x)=(1/√2π)e^(-x^2/2)fY(y)=(1/√2π)e^(-y^2/2)因为x,y独立,所以联合概率密度所以fXY(x,y)=fX(x)fY(y)=(1/2π)e^[-(x^2+
再问:为什么那里要加绝对值?再答:公式。针对单调增和单调减