若二维随机变量(X,Y)服从D上的均匀分布,其中D=(如图),求(X,Y)的概率密度 若已知二维随机变量(X,Y)在区域服从均匀分布 其中D={(...

\u8bbe\u4e8c\u7ef4\u8fde\u7eed\u578b\u968f\u673a\u53d8\u91cf\uff08X,Y\uff09\u670d\u4ece\u533a\u57dfD\u4e0a\u7684\u5747\u5300\u5206\u5e03\uff0c\u5176\u4e2dD=\uff5b(X,Y)\uff5c0<=y<=x<=2-y\uff5d\u2474\u6c42X+Y\u7684\u6982\u7387\u5bc6\u5ea6 \u2475

\u6709\u4e24\u79cd\u65b9\u6cd5\uff1a\u7b2c\u4e00\u53ef\u7528\u5377\u79ef\u516c\u5f0f\u76f4\u63a5\u5199\u7b54\u6848\uff0c\u7b2c\u4e8c\u53ef\u4ee5\u7528\u4e00\u822c\u7684\u6c42\u6cd5\uff0c\u5c31\u662f\u628aX+Y=Z\u5f53\u6210\u4e00\u51fd\u6570\u56fe\u8c61\u3002\u7136\u540e\u5229\u7528\u79ef\u5206\u533a\u95f4\u8ba8\u8bbaZ\u7684\u8303\u56f4\uff0c\u8fdb\u800c\u5f97\u5230\u5176\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\uff0c\u6982\u7387\u8bba\u4e0e\u7edf\u8ba1\u4e66\u4e0a\u6709\u7684

\u56de\u7b54\uff1a
\u533a\u57dfD\u4e3a\u4e00\u6b63\u65b9\u5f62,\u9762\u79ef\u4e3a2.\u6545f(x,y) = 1/2,x,y\u4f4d\u4e8eD\u5185.\u4e8e\u662f,
fX(x) = \u222b{-\u221e,\u221e}f(x,y)dy = 1+x,x\u22640; 1-x,x>0.
fY(y) = \u222b{-\u221e,\u221e}f(x,y)dx = 1+y,y\u22640; 1-y,y>0.

均匀分布的概率密度是常数,且这个常数等于1/(D的面积),所以在D内,概率密度f(x,y)=1/π,在D之外,f(x,y)=0。

x+y≤1,即半径为1的圆,那么求y的范围,当然也可以相等的,即-√(1-x²)≤y≤√(1-x²)。

例如:

解:平面区域D是一个平行四边形,顶点du分别为原点(0,0),(1,0),(0,1),(-1,1)。

显然其面积为1×1=1

故二维随机变量(x,y)的联合概率密度函数为

fX,Y(x,y)=

{1,D={-y<x<1-y,0<y<1}

0,其它区域

则二维随机变量(x,y)的两个边缘分布密度分别为:

fX(x)=∫(-∞,+∞) fX,Y(x,y)dy

当-1≤x<0时,

fX(x)=∫(-∞,+∞) 1dy=∫(-x,1) 1dy=x+1;

当0<x≤1时,

fX(x)=∫(-∞,+∞) 1dy=∫(0,1-x) 1dy=1-x

为分段函数。

fY(y)=∫(-∞,+∞) fX,Y(x,y)dx

=∫(-y,1-y) 1dx=1

定义域0≤y≤1

扩展资料:

在研究随机变量的性质时,确定和计算它取某个数值或落入某个数值区间内的概率是特别重要的。因此,随机变量取某个数值或落入某个数值区间这样的基本事件的集合,应当属于所考虑的事件域。

概率空间(Ω,F,p)上的随机变量x是定义于Ω上的实值可测函数,即对任意ω∈Ω,X(ω)为实数,且对任意实数x,使X(ω)≤x的一切ω组成的Ω的子集{ω:X(ω)≤x}是事件,也即是F中的元素。事件{ω:X(ω)≤x}常简记作{x≤x},并称函数F(x)=p(x≤x),-∞<x<∞ ,为x的分布函数。

参考资料来源:百度百科-随机变量



你好!均匀分布的概率密度是常数,且这个常数等于1/(D的面积),所以在D内,概率密度f(x,y)=1/π,在D之外,f(x,y)=0。经济数学团队帮你解答,请及时采纳。谢谢!

  • 鑻ヤ簩缁撮殢鏈哄彉閲(X,Y)鏈嶄粠D涓婄殑鍧囧寑鍒嗗竷,鍏朵腑D=(濡傚浘),姹(X,Y)鐨勬鐜...
    绛旓細瑙o細骞抽潰鍖哄煙D鏄竴涓钩琛屽洓杈瑰舰锛岄《鐐筪u鍒嗗埆涓哄師鐐(0,0)锛(1,0)锛(0,1)锛(-1,1)銆傛樉鐒跺叾闈㈢Н涓1脳1=1 鏁浜岀淮闅忔満鍙橀噺锛坸锛寉锛鐨勮仈鍚堟鐜囧瘑搴﹀嚱鏁颁负 fX,Y(x,y)= {1,D={-y<x锛1-y,0<y<1} 0,鍏跺畠鍖哄煙 鍒欎簩缁撮殢鏈哄彉閲忥紙x锛寉锛夌殑涓や釜杈圭紭鍒嗗竷瀵嗗害鍒嗗埆涓猴細fX(x)=鈭(-鈭烇紝+...
  • 璁浜岀淮闅忔満鍙橀噺(X,Y)鏈嶄粠鍦ㄥ尯鍩烡涓婄殑鍧囧寑鍒嗗竷
    绛旓細锛1锛夊綋-1锛渪锛0锛宖锛坸锛夆垶f锛坸锛寉锛塪y=2鈭ˣ⁺¹₀锛1/2锛塪y=x+1 鍚岀悊褰0锛渪锛1锛宖锛坸锛=-x+1锛屾墍浠锛坸锛=x+1锛-1锛渪锛0锛沠锛坸锛=-x+1锛0锛渪锛1锛沠锛坸锛=0銆傚悓鐞嗭細f锛坹锛=y+1锛-1锛測锛0锛沠锛坹锛=-y+1锛0锛測锛1锛沠锛坹锛=0銆...
  • 璁浜岀淮闅忔満鍙橀噺(X,Y)鍦ㄥ尯鍩烡涓鏈嶄粠鍧囧寑鍒嗗竷,D鏄敱鐩寸嚎x=0,y=0鍜寈...
    绛旓細鍏蜂綋瑙f硶濡備笅锛氳В棰樻濊矾锛氱敱宸茬煡鍑哄彂寰楀埌鎯宠鐨勪俊鎭啀杩涗竴姝ヨВ绛斻傞渶瑕佹敞鎰忕殑鏄細鍗曠函鐨勮姒傜巼瀵嗗害娌℃湁瀹為檯鐨勬剰涔夛紝瀹冨繀椤绘湁纭畾鐨勬湁鐣屽尯闂翠负鍓嶆彁銆傚彲浠ユ妸姒傜巼瀵嗗害鐪嬫垚鏄旱鍧愭爣锛屽尯闂寸湅鎴愭槸妯潗鏍囷紝姒傜巼瀵嗗害瀵瑰尯闂寸殑绉垎灏辨槸闈㈢Н锛岃岃繖涓潰绉氨鏄簨浠跺湪杩欎釜鍖洪棿鍙戠敓鐨勬鐜囷紝鎵鏈夐潰绉殑鍜屼负1銆
  • 璁浜岀淮闅忔満鍙橀噺(X,Y)鏈嶄粠鍖哄煙D涓婄殑鍧囧寑鍒嗗竷,D鐢眡=2,y=x,y=-x鍥存垚...
    绛旓細鍏堟眰瑙e尯鍩D鐨勯潰绉负4锛屽垯姒傜巼瀵嗗害f(x,y)=1/4, 褰(X,Y)鈭圖鏃 锛 鍏朵粬=0
  • 璁惧凡鐭浜岀淮闅忔満鍙橀噺(X,Y)鍦ㄥ尯鍩烡涓鏈嶄粠鍧囧寑鍒嗗竷,姹傛潯浠舵鐜囧瘑搴鐧惧害...
    绛旓細x+y鈮1锛屽嵆鍗婂緞涓1鐨勫渾锛岄偅涔堟眰y鐨勮寖鍥达紝褰撶劧涔熷彲浠ョ浉绛夌殑锛屽嵆-鈭(1-x²)鈮鈮も垰(1-x²)銆闅忔満鍙橀噺鏄彇鍊兼湁澶氱鍙兘骞朵笖鍙栨瘡涓奸兘鏈変竴涓鐜囩殑鍙橀噺锛屽垎涓虹鏁e瀷鍜岃繛缁瀷涓ょ锛岀鏁e瀷闅忔満鍙橀噺鐨勫彇鍊间负鏈夐檺涓垨鑰呮棤闄愬彲鍒椾釜锛堟暣鏁伴泦鏄吀鍨嬬殑鏃犻檺鍙垪锛夛紝杩炵画鍨嬮殢鏈哄彉閲忕殑鍙栧间负鏃犻檺...
  • 浜岀淮杩炵画鍨闅忔満鍙橀噺(x,y)鍦―涓鏈嶄粠鍧囧寑鍒嗗竷,D={(x,y)锔憋赋x+y 锔粹墹1...
    绛旓細D鏄洓鏉$洿绾垮洿鍩庣殑鍖哄煙 Sd=2 f(x,y)=1/2锛 {锛坸锛寉锛锔憋赋x+y 锔粹墹1锛岋赋x-y 锔粹墹1} 鍏朵粬涓0.f(x)=鈭(-鈭,+鈭)f(x,y)dy=(2+x)/2, -1<=x<0 f(x)=鈭(-鈭,+鈭)f(x,y)dy=(2-x)/2,, 0<=x<=1 fY|X(y|x)=f(x,y)/fX(x)=1/2 濡傛湁鎰忚锛屾杩...
  • 浜岀淮杩炵画鍨闅忔満鍙橀噺(x,y)鍦―涓鏈嶄粠鍧囧寑鍒嗗竷,D={(x,y)锔憋赋x+y 锔粹墹1...
    绛旓細1+x)^2dx =-(1/4*x^4+2/3*x^3+1/2*x^2)|[-1,0]=1/12 COV(X,Y)=E(XY)-EX*EY=-1/36 E(X^2)=鈭玔-1,0]dx鈭玔-1-x,0]2x^2dy =鈭玔-1,0]2x^2(1+x)dx=(2/3*x^3+1/2*x^4)|[-1,0]=1/6 D(X)=E(X^2)-(EX)^2=1/18 鍚岀悊锛D(Y)=1/18 ...
  • 浜岀淮杩炵画鍨闅忔満鍙橀噺(X,Y)鏈嶄粠D={(x,y)|0鈮鈮1,0鈮鈮2}涓婄殑鍧囧寑鍒嗗竷...
    绛旓細鍙互鐢ㄤ袱绉嶆柟娉曪紝姹傚嚭Z鐨勬鐜囧氨澶嶆潅涓浜涳紝鐩存帴鐢ㄥ嚱鏁版湡鏈涘叕寮忔洿绠鍗曘傝閲囩撼锛岃阿璋紒
  • 璁浜岀淮闅忔満鍙橀噺(X,Y)鍦ㄥ尯鍩烡涓鏈嶄粠鍧囧寑鍒嗗竷,鍏朵腑D={(x,y):|x|+|y|...
    绛旓細鍖哄煙D瀹為檯涓婃槸浠ワ紙-1锛0锛夛紝锛1锛0锛夛紝锛0锛1锛夛紝锛0锛-1锛変负椤剁偣鐨勬鏂瑰舰鍖哄煙锛孌鐨勯潰绉负2锛浜岀淮闅忔満鍙橀噺锛圶锛孻锛鐨勮仈鍚堟鐜囧瘑搴(x锛寉)锛12锛(x锛寉)鈭圖0锛屽叾瀹冿紙鈪狅級鈶犳牴鎹竟缂樻鐜囧瘑搴︾殑瀹氫箟fX(x)锛濃埆+鈭?鈭瀎(x锛寉)dy鈭村綋-1鈮鈮0鏃讹紝fX(x)锛濃埆1+x?1?x12dy锛1+x锛涘綋...
  • 璁浜岀淮杩炵画鍨闅忔満鍙橀噺(X,Y)鏈嶄粠鍖哄煙D涓婄殑鍧囧寑鍒嗗竷,鍏朵腑D={(X,Y)|...
    绛旓細鏈変袱绉嶆柟娉曪細绗竴鍙敤鍗风Н鍏紡鐩存帴鍐欑瓟妗堬紝绗簩鍙互鐢ㄤ竴鑸殑姹傛硶锛屽氨鏄妸X+Y=Z褰撴垚涓鍑芥暟鍥捐薄銆傜劧鍚庡埄鐢ㄧН鍒嗗尯闂磋璁篫鐨勮寖鍥达紝杩涜屽緱鍒板叾姒傜巼瀵嗗害鍑芥暟锛屾鐜囪涓庣粺璁′功涓婃湁鐨
  • 扩展阅读:功能计算器 ... 设随机变量x n 0 1 ... 随机变量x~n(1 ... x y 服从二维均匀分布 ... 4) ... 已知随机变量x n 0 1 ... 积木玩具 ... 随机变量x~u(0 ... 1) ...

    本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网