设二维随机变量（X,Y）的概率密度函数为f(x,y)=ay,0 设二维随机变量（X,Y）的概率密度为f（x，y）=
\u8bbe\u4e8c\u7ef4\u968f\u673a\u53d8\u91cf\uff08X,Y\uff09\u7684\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u4e3af(x,y)=ay,0<x<y,0<y<1,0,\u5176\u4ed6\u5bc6\u5ea6\u51fd\u6570\u7684\u53d6\u503c\u8303\u56f4\u662f\u4ec0\u4e48\uff1f\u6ca1\u62cd\u8fdb\u53bb\u3002
a=3，对X的边缘概率密度为3/2，对Y的边缘为3y^2；X的边缘*Y的边缘=9y^2/2不等于联合密度，所以不独立。
在某个确定的取值点附近的可能性的函数。而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。当概率密度函数存在的时候，累积分布函数是概率密度函数的积分。概率密度函数一般以小写标记。
扩展资料：
由于随机变量X的取值 只取决于概率密度函数的积分，所以概率密度函数在个别点上的取值并不会影响随机变量的表现。更准确来说，如果一个函数和X的概率密度函数取值不同的点只有有限个、可数无限个或者相对于整个实数轴来说测度为0（是一个零测集），那么这个函数也可以是X的概率密度函数。
连续型的随机变量取值在任意一点的概率都是0。作为推论，连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是，概率P{x=a}=0，但{X=a}并不是不可能事件。
a=3,对X的边缘概率密度为3/2,对Y的边缘为3y^2;X的边缘*Y的边缘=9y^2/2不等于联合密度,所以不独立.
绛旓細瑙ｇ瓟锛氥愯瑙ｃ戯紙 I锛夌敱浜 fz(z)锛濃埆+鈭?鈭漟(x锛z?2x)dx锛屽叾涓璮(x锛寊?2x)锛2?x?(z?2x)锛0锛渪锛1锛0锛渮?2x锛10锛屽叾浠=2+x?z锛0锛渪锛1锛2x锛渮锛1+2x0锛屽叾浠栨晠锛1锛夊綋z鈮0鎴杬鈮3鏃讹紝fz锛坺锛=0锛2锛夊綋0锛渮锛1鏃讹紝鏈塮z(z)锛濃埆z20(2+x?z)dx锛漽?38z2锛3锛夊綋1...
绛旓細鍙埄鐢ㄨ仈鍚姒傜巼瀵嗗害鐨勪簩閲嶇Н鍒嗕负1锛屾眰鍑簁=2銆傝竟闄呭瘑搴﹀嚱鏁扮殑姹傝В锛屾湰璐ㄥ氨鏄冨療绉垎锛屽彧瑕佽浣忚竟缂樻鐜囧瘑搴﹀氨鏄鑱斿悎瀵嗗害鍑芥暟姹傜Н鍒嗭紝褰撴垜浠眰鍏充簬Y鐨勮竟闄呭瘑搴﹀嚱鏁版椂灏辨槸瀵逛簬f锛坸锛寉锛夌殑鑱斿悎瀵嗗害鍑芥暟鍏充簬X姹傜Н鍒嗭紝姹俌鐨勮竟闄呭瘑搴﹀嚱鏁板垯鍚岀悊銆傜浜岄儴鍒嗘槸姹闅忔満鍙橀噺鍑芥暟鐨勫瘑搴︼紝涓鑸敤鍒嗗竷鍑芥暟娉曪紝鍗冲厛鐢...
绛旓細鍙埄鐢ㄨ仈鍚姒傜巼瀵嗗害鐨勪簩閲嶇Н鍒嗕负1锛屾眰鍑簁=2銆傝竟闄呭瘑搴﹀嚱鏁扮殑姹傝В锛屾湰璐ㄥ氨鏄冨療绉垎锛屽彧瑕佽浣忚竟缂樻鐜囧瘑搴﹀氨鏄鑱斿悎瀵嗗害鍑芥暟姹傜Н鍒嗭紝褰撴垜浠眰鍏充簬Y鐨勮竟闄呭瘑搴﹀嚱鏁版椂灏辨槸瀵逛簬f锛坸锛寉锛夌殑鑱斿悎瀵嗗害鍑芥暟鍏充簬X姹傜Н鍒嗭紝姹俌鐨勮竟闄呭瘑搴﹀嚱鏁板垯鍚岀悊銆傜浜岄儴鍒嗘槸姹闅忔満鍙橀噺鍑芥暟鐨勫瘑搴︼紝涓鑸敤鍒嗗竷鍑芥暟娉曪紝鍗冲厛鐢...
绛旓細鈭碢(X=0)路P(X+Y=1)=P(X=0,X+Y=1)鈭(1/2+b)(a+b)=b 鍙堚埖 1/2+1/4+a+b=1 鎵浠ワ細a=1/12 b=1/6
绛旓細濡傚彸鍥炬墍绀猴細灏姒傜巼杞寲涓洪潰绉疍涓婄Н鍒嗭紝鐢遍璁撅紝鏈夛細P{X+Y鈮1}=?Df(x锛寉)dxdy鈺愨埆120(6x?12x2)dx锛14锛屾晠绛旀涓猴細14锛
绛旓細0,1)dx鈭(0,x)(x+y)f(x,y)dy=鈭(0,1)3x²dx=1銆(2)锛孍(XY)=鈭(0,1)dx鈭(0,x)xyf(x,y)dy=鈭(0,1)x³dx=1/4銆(3)锛屸埖x+y=1涓巠=x鐨勪氦鐐逛负(1/2,1/2)銆侾(X+Y鈮1)=鈭(0,1/2)dy鈭(y,1-y)f(x,y)dy=2鈭(0,1/2)锛1-2y)dy=1/2銆
绛旓細涓嶇x0锛寉0璋佸ぇ璋佸皬锛屾寚鐨勬槸 Y=y0鐩寸嚎浠ヤ笅銆乆=x0鐩寸嚎涔嬪彸鍖哄煙鍐呯殑绉垎锛岃岃繖涓尯鍩熷唴铏界劧 x>y澶勫瘑搴﹀嚱鏁颁负0锛屼絾杩樻槸鏈 x<y鐨勭偣鐨勩備緥濡傦細璁句簩缁撮殢鏈哄彉閲(X,Y)鐨勬鐜瀵嗗害涓 f(x,y)=kx(x-y),0 1)瀵筜浠庯紞X鍒癤绉垎銆瀵筙浠0鍒2绉垎 琚Н鍑芥暟KX(X-Y) 鍋氫簩閲嶇Н鍒嗙瓑浜1 姹傚緱K=8 ...
绛旓細3銆佹潯浠跺垎甯冿紝搴旇鍐欐垚 fX(x|Y=y)鑰岄潪f尉(x|畏=y)锛岃〃绀篩=y鐨勬潯浠跺垎甯冿紝鎸夐鐩剰鎬濓紝姝ゅy鐞嗚В涓烘煇涓甯告暟锛屽垯fX(x|Y=y)=f(x,y)/fY(y)=e^(-y)/ye^(-y)=1/y锛沠Y(y)=ye^(-y)闅忔満鍙橀噺Y鐨勮竟娌垮垎甯冦4銆佹潯浠姒傜巼锛屼技搴斿啓鎴怭锛圶<2|Y<1)锛屼篃鏄Н鍒嗚绠楋細P锛圶<2|Y<1)锛...
绛旓細绠鍗曡绠椾竴涓嬪嵆鍙紝绛旀濡傚浘鎵绀
绛旓細P(Z=0)=P(x=0,y=0)=0.25 P(Z=1)=P(x=0,y=1)+P(x=1,y=0)=0.1+0.15=0.25 P(Z=2)=P(x=0,y=2)+P(x=1,y=1)=0.3+0.15=0.45 P(Z=3)=P(x=1,y=2)=0.05
