二维随机变量计算公式
答：详细过程是，(1).根据期望值的定义，E(X+Y)=∫(-∞,∞)∫(-∞,∞)(x+y)f(x,y)dxdy= ∫(0,1)dx∫(0,x)2(x+y)dy。而，∫(0,x)2(x+y)dy=3x²。∴ E(X+Y)= ∫(0,1) 3x² dx=1。(2).仿(1)的过程，E(XY)=∫(0,1)dx∫(0,x)2xy)dy=∫(0,1)x...
答：二维随机变量（X，Y）独立的定义式为：F（x，y）=F（x）*F（y ）等价的命题如下：二维离散型随机变量X，Y独立的充分必要条件为 ：对（X，Y）任意可能的取值（xi，yj）均有P（X=xi，Y=yj）=P（X=xi）*P（Y=yj）2. 二维连续型随机变量X，Y独立的充分必要条件为 ：f(x，y)=f（x）*...
答：本题使用正态分布与独立性分析：（x，y）~N（0，0，1，1，0）说明X~N(0,1),Y~N(0,1)且X与Y独立 X/Y<0，即X与Y反号 所以 P（X/Y<0）=P(X>0,Y<0)+P(X<0,Y>0)=P(X>0)P(Y<0)+P(X<0)P(Y>0)=0.5×0.5+0.5×0.5 =0.5 二维随机变量( X,Y)的性质不仅...
答：对于二维连续变量的分布函数F(x，y)，一般应用其概率密度函数f(x，y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0，∞)时，分布函数F(x，y)=∫(-∞，x)du∫(-∞,y)f(u，v)dv=∫(0，x)du∫(-0，y)2e^(-2u-v...
答：解：对于二维连续变量的分布函数F(x,y)，一般应用其概率密度函数f(x,y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0,∞)时，分布函数F(x,y)=∫(-∞,x)du∫(-∞,y)f(u,v)dv=∫(0,x)du∫(-0,y)2e^(-2u-v)...
答：联合分布律表格的求法为：设（X，Y)是二维随机变量，对于任意实数x，y，二元函数：F(x，y)=P{(X<=x)交（Y<=y)}=>P(X<=x，Y<=y)。称为：二维随机变量（X，Y)的分布函数，或称为随机变量X和Y的联合分布函数。联合概率分布的几何意义：如果将二维随机变量（X，Y)看成是平面上随机点的...
答：+ x²)∂F(x, y)/∂y = (1 + arctan(2y)) / 2 再对上述两个偏导数进行求导，我们得到：∂²F(x, y)/∂x∂y = 1 / (2(1 + x²))因此，二维随机变量(X, Y)的概率密度函数为：f(x, y) = 1 / (2(1 + x²))
答：Σ（n=m+1到∞）(p^2)[q^(n-2)]=(p^2)[q^（m-1）]/(1-q)=pq^(m-1)是这样的：将上面看做等比数列的求和，公比为q，首项为q^（m-1）。从而得到结论。
答：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 如果随机变量X的...
答：设二维连续型随机变量(X,Y)的联合密度函数为p(x,y)，并且p(x,y)=2-x-y，p(x,y)=0。首先，由于p(x,y)是联合密度函数，因此对于任意的x,y，都有p(x,y)≥0。因此，对于任意的x,y，都有2-x-y≥0。接下来，我们可以列出方程组：2-x-y≥0 p(x,y)=0 将第一个方程带入第二个...
网友评论：
羊纨17177192698：
概率论中一维,二维随机变量的函数是怎么算的 -
3559乔视
： 比如已经给了X的分布密度Fx(X)你对F求导得Px(X)然后给你Y=X+1 你先求Y的反函数然后 带到原本的分布函数与导数的绝对值中Py(Y)= Px(Y-1)*|1| 就可以得到Y的密度函数 --------------------------------------------------------------------- 对其求积分就是Y的分布函数了. 一维里 你就把给你的2ζ,-ζ+1等关于ζ的函数中的ζ当成另一个东西 比如Y 然后跟上面的一样据可以了还要再例题解释么?要的话你加我好友吧
羊纨17177192698：
二维正态分布的期望和方差公式
3559乔视
： 二维正态分布的期望公式:数F(X)=1/(√2π)T,方差公式:f=T*E^h.二维正态分布,又名二维高斯分布(英语:Two-dimensionalGaussiandistribution,采用德国数学家卡尔·弗里德里希·高斯的名字冠名),是一个在数学、物理及工程等领域都非常重要的概率分布.在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)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.需要注意的是,期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等.期望值是该变量输出值的平均数.期望值并不一定包含于变量的输出值集合里.
羊纨17177192698：
二维连续型随即变量概率密度公式是σ^2 F(x,y)/σxσy=f(x,y), -
3559乔视
：[答案] 是求偏导数的数学记号. σ^2 F(x,y)/σxσy表示对 F(x,y)先求关于x的偏导数,然后求关于y的偏导数.
羊纨17177192698：
二维随机变量例题详解 -
3559乔视
： (1)x的边缘分布律P(X=0)=1/3+1/4=7/12 P(X=2)=5/12 y的边缘分布律P(Y=-2)=1/3+1/4=7/12 P(Y=0)=1/4+1/6=5/12 (2) P(x=0,y=0)=1/4 而P(x=0)*P(y=0)=7/12*5/12=35/144 两者不相等 故x与y不独立 (3)P(x+y=0)=P(x=0,y=0)+P(x=2,y=-2)=1/4+1/4=1/2
羊纨17177192698：
二维随机变量的分布函数怎么求 -
3559乔视
： 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.
羊纨17177192698：
求二维随机变量的概率密度 原函数为f(x)=x∧2+1/3*xy (0≦x≦1,0≦y -
3559乔视
： 1)=(1/,2)=2x^2+(2/3)x (0≦x≦1) y 的边缘概率密度 fy=∫(0,1)[x^2+(1/3)xy]dx=[(1/3)x^3+(1/6)x^2y](0;6)xy^2](0x 的边缘概率密度 fx=∫(0,2)[x^2+(1/3)xy]dy=[(x^2)y+(1/3)+(1/
羊纨17177192698：
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!!! -
3559乔视
： 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. ...
羊纨17177192698：
额█ 二维随机变量这个公式是怎么得到的【附图】
3559乔视
： 楼主你既然都理解F(X1,Y1)=P{X<=X1,y<=Y1},你问的那个公式只是他的一点应用而已啊.X<=X1,y<=Y1不就是在坐标轴上表示是左下角的部分嘛
羊纨17177192698：
设二维随机变量(X,Y)的概率密度为f(x,y)=1,0
羊纨17177192698：
求二维随机变量(X Y)
3559乔视
： <p>令Yn=max(x1,x2,....xn), Zn=min(x1..xn)</p> <p></p>
