二维随机变量怎么求ex
答：计算公式为E(XY)=∫∫xyf(x，y)dxdy，积分范围是整个平面，其中f(x,y)是联合概率密度。二维随机变量( X，Y)的性质不仅与X 、Y 有关,而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X，Y）作为一个整体来研究。设E是一个随机试验，它的样本空间是...
答：没问题可以的，可以这样理解 二维随机变量求Eg(X,Y)=∬g(x,y)f(x,y)dxdy 你说的EX就相当于g(X,Y)=X的情况，这时EX=∬xf(x,y)dxdy。
答：f(x,y)=2 fx(x)=2(x+1),fy(y)=2(y+1)EX=∫xfx(x)dx=-1/3=EY E(XY)=∫∫2xydxdy=1/12 cov(x,y)=E[(x-Ex)*E(y-Ey)]=-1/36 E(x^2)==∫x^2fx(x)dx=1/6 DX=E(x^2)-(Ex)^2=1/6-1/9=1/18=Dy 相关系数r=cov(x,y)/(DxDy)^(1/2)=(-1/36)/(...
答：∴E(XY+1)=E(XY)+1=8/9+1=17/9。含义 则X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度。单纯的讲概率密度没有实际的意义，它必须有确定的有界区间为前提。可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的...
答：二维随机变量的DX计算方法：DX=EX^2-(EX)^2。二维随机变量的方差描述了随机变量的取值与其数学期望的偏离程度。对于多维随机变量的情况，协方差与相关系数刻画了每个随机变量的相关性。二维随机变量的性质：数学期望是一阶原点矩；方差是二阶中心矩；协方是二阶混合中心距。通过矩，可以定义协方差矩阵，...
答：当X,Y无关时，E(XY)=E(X)E(Y)，D(X)=E(X^2)-(E(X))^2，此时，E(X(X+Y-2))=E(X^2+XY-2X)=E(X^2)+E(XY)-2E(X)。D(x)指方差，E(x)指期望。方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间...
答：简单分析一下，详情如图所示
答：由f（x，y）=8xy，0＜y＜x＜10， 其他，得fX(x)＝∫+∞?∞f(x，y)dy=∫x08xydy＝4x3，0＜x＜1和fY(y)＝∫+∞?∞f(x，y)dx=∫1y8xydx＝4y?4y3，0＜y＜1∴EX＝∫+∞?∞xfX(x)dx＝∫104x4dx＝45EY＝∫+∞?∞yfY(y)dy＝∫10y(4y?4y3)dy＝815∴P{Y＜EY|X＜EX}...
答：求期望ex公式：EX^2=DX+EX^2。在概率论和统计学中，数学期望是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。概率，亦称“或然率”，它是反映随机事件出现的可能性大小。随机事件是指在相同条件下，可能出现也可能不出现的事件。例如，从一批有正品...
答：首先，我们来看数学期望EX。数学期望是概率论中最基本、最重要的概念之一，用于描述随机变量取值的平均水平或中心位置。对于离散型随机变量，数学期望是所有可能取值与其对应概率乘积之和；对于连续型随机变量，数学期望则是随机变量在其定义域上的积分，积分函数为随机变量的概率密度函数。数学期望在实际应用中...
网友评论：
毕许18449924946：
设二维随机变量(X,Y)~N(4,9;1,4;0.5),求cov(X,Y),D(X+Y) -
48225经维
： (X,Y)~N(4,9;1,4;0.5)则EX=4,EY=9,DX=1,DY=4,ρ=0.5 所以cov(X,Y)=ρ√DX√DY=0.5*1*2=1 D(X+Y)=DX+DY+2cov(X,Y)=1+4+2*1=7 扩展资料 随机变量在不同的条件下由于偶然因素影响,可能取各种不同的值,故其具有不确定性和随机性,但...
毕许18449924946：
设二维连续型随机向量(X,Y)服从区域D上的均匀分布.D={(x,y)|0≤y≤x≤2 - y|.(1)求EX;(2)计算设二维连续型随机向量(X,Y)服从区域D上的均匀分布.D={(x,y)|0≤... -
48225经维
：[答案] (1)我们应先求关于X的边缘密度fX(x),为此先写出(X,Y)的联合密度(x,y),因此有: f(x,y)= 1, (x,y)∈D0, 其他 fX(x)= ∫+∞?∞f(x,y)dy= ∫x0dy, 0≤x≤1∫2?x0dy, 1
毕许18449924946：
设二维连续型随机向量(X,Y)服从区域D上的均匀分布.D={(x,y)|0≤y≤x≤2 - y|.(1)求EX;(2)计算 -
48225经维
： (1)我们应先求关于X的边缘密度fX(x),为此先写出(X,Y)的联合密度(x,y),因此有: f(x,y)=1, (x,y)∈D 0, 其他 fX(x)== 即fX(x)= 所以有: EX= ∫ +∞ ?∞xfX(x)dx= ∫ 1 0x2dx+ ∫ 2 1x(2?x)dx=1. (2)由条件密度公式fY|X(y|x)=
毕许18449924946：
设离散型二维随机变量(X,Y)在点(1,1),(1/2,1/4),( - 1/2, - 1/4),( - 1, - 1)取值概率均为1/4,求EX,EY,DX,DY,EXY -
48225经维
： EX=(1+1/2-1/2-1)*1/4=0 EY=(1+1/4-1/4-1)*1/4=0 DX=(1+1/4+1+1/4)*1/4=5/8 DY=(1+1/16+1+1/16)*1/4=17/32 EXY=(1+1/8+1/8+1)*1/4=9/16
毕许18449924946：
已知二维随机变量的概率密度函数,求E(X+Y),E(XY) -
48225经维
：[答案] E(X+Y)=E(X)+E(Y)=对xf(x)在对应定义域上的积分+对yf(y)在对应定义域上的积分 E(XY)=对xy*f(x,y)在对应定义域上的积分
毕许18449924946：
二维随机变量xy服从(μ,μ,σ,σ,0)分布,求E[x(y^2)] -
48225经维
： p=0,所以x,y独立,Exy^2=ExEy^2,Ex=u,Ey^2=u^2+σ^2,所以Exy^2=u^3+uσ^2
毕许18449924946：
二维随机变量xy服从(μ,μ,σ,σ,0)分布,求E[x(y^2)] -
48225经维
：[答案] p=0,所以x,y独立,Exy^2=ExEy^2,Ex=u,Ey^2=u^2+σ^2,所以Exy^2=u^3+uσ^2
毕许18449924946：
已知二维随机变量(X,Y)的分布率为 求E(X)X 0 1 2Y 1 0.1 0.2 0.1Y 2 0.3 0.1 0.2 -
48225经维
：[答案] 我估计你的意思是随机变量Y取Y1,Y2,随机变量X取值0 1 2 X=0 p(x=0)=0.1+0.3=0.4 x=1 p(x=1)=0.2+0.1=0.3 x=2 p(x=2)=0.1+0.2=0.3 E(x)=0*0.4+1*0.3+2*0.3=0.9
毕许18449924946：
二维离散型随机变量的 E(xy)怎么求? 离散型 离散型 离散型 不是连续型!!! -
48225经维
： 如图所示: 因为,(X,Y)是二维离散型随机变量. 所以,xy也是离散型随机变量. 先求出xy的概率分布列. 再求xy的期望:比如 P(x=0)=1/2,P(x=1)=1/2 P(y=0)=1/2,P(y=1)=1/2 则,P(xy=0)=3/4 P(xy=1)=1/4 所以,E(XY)=0*(3/4)+1*(1/4)=1/4. ...
毕许18449924946：
二维随机变量的分布函数怎么求 -
48225经维
： 随机过程的一维分布函数和一维概率密度函数称为X(t)随机过程的一维分布函数.其中p[]:表示概率;如果存在:则称其为X(t)的一维概率密度函数.随机过程的n维分布函数和n维概率密度函数称:为X(t)的n维分布函数.如果存在:则称其X(t)为的n维概率密度.如果对于任何时刻和任意n=1,2……都给定了X(t)的分布函数或概率密度,则认为X(t)的统计描述是充分的.
