如何求二维连续随机变量的期望和方差？
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方程中，得到：
0=2-x-y => x+y=2
由于X和Y是连续型随机变量，因此它们的取值范围是(-∞,+∞)。根据x+y=2这个方程，我们可以得到X和Y的取值范围是(-∞,2]。
接下来，我们可以利用X和Y的取值范围来计算它们的期望值：
E(X)=∫(-∞,2]xp(x)dx E(Y)=∫(-∞,2]yp(y)dy
继续计算期望值，我们需要求出p(x)和p(y)。
设p(x)为X的边缘密度函数，p(y)为Y的边缘密度函数。则有：
p(x)=∫(-∞,2]p(x,y)dy p(y)=∫(-∞,2]p(x,y)dx
将p(x,y)=2-x-y带入，得到：
p(x)=∫(-∞,2](2-x-y)dy p(y)=∫(-∞,2](2-x-y)dx
设x=a为常数，则有：
p(x)=∫(-∞,2](2-a-y)dy p(y)=∫(-∞,2](2-x-a)dx
积分得到：
p(x)=2-a p(y)=2-a
因此，有：
E(X)=∫(-∞,2]xp(x)dx=∫(-∞,2]x(2-x)dx E(Y)=∫(-∞,2]yp(y)dy=∫(-∞,2]y(2-y)dy
继续积分，得到：
E(X)=∫(-∞,2]xp(x)dx=∫(-∞,2]x(2-x)dx=2∫(-∞,2]xdx-∫(-∞,2]x²dx E(Y)=∫(-∞,2]yp(y)dy=∫(-∞,2]y(2-y)dy=2∫(-∞,2]ydy-∫(-∞,2]y²dy
继续积分，得到：
E(X)=2∫(-∞,2]xdx-∫(-∞,2]x²dx=2[x²/2]^2-(x³/3)^2=4-8=-4 E(Y)=2∫(-∞,2]ydy-∫(-∞,2]y²dy=2[y²/2]^2-(y³/3)^2=4-8=-4
因此，X的期望值为-4，Y的期望值也为-4。
综上所述，二维连续型随机变量(X,Y)的联合密度函数为p(x,y)=2-x-y，p(x,y)=0时，X的期望值为-4，Y的期望值也为-4。
绛旓細鍙変腑1涓垨澶氫釜涓嬮潰鐨勫叧閿瘝,鎼滅储鐩稿叧璧勬枡銆備篃鍙洿鎺ョ偣鈥滄悳绱㈣祫鏂欌濇悳绱㈡暣涓棶棰樸 闅忔満鍙橀噺 浜岀淮 鏈熸湜 绉垎 鎼滅储璧勬枡蹇界暐 鎻愪氦鍥炵瓟 鍖垮悕 鍥炵瓟鑷姩淇濆瓨涓负浣犳帹鑽:鐗瑰埆鎺ㄨ崘 濡傜湡鏈夐緳,瀹冪殑椋炶鍘熺悊鏄粈涔? 鍙や唬鐨勫澶╂湁鍐伴晣椋熷搧鍚冨悧? 涓浗棣栨鏁插ゥ杩愪箣闂,鏈夊鑹伴毦? 绁炲啘鏋舵繁澶:涓轰綍浼氳鍒椾负绂佸尯? 绛変綘鏉ョ瓟 ...
绛旓細g(x,y)浠ｈ〃浠讳綍涓涓互x,y涓鸿嚜鍙橀噺鐨浜屽厓鍑芥暟,浣嗘槸骞朵笉鎺掗櫎x^2鍟,g(x,y)=x^2+0*y^2,杩欏畬鍏ㄥ彲浠ュ晩.鍏跺疄g(x,y)鍙互鏄换浣曚竴涓〃杈惧紡,鍝曟槸x+y+z鍛,娌℃湁浠讳綍鍏崇郴.鍙渶瑕佹悶娓呮x,y鏄渶瑕佸弬涓庣Н鍒嗚繍绠楃殑,鍏朵粬瀛楁瘝浠呬粎鏄鍙.
绛旓細杩炵画鎬浜岀淮闅忔満鍙橀噺鏁板鏈熸湜 鎴戞潵绛 棣栭〉 鐢ㄦ埛 璁よ瘉鐢ㄦ埛 瑙嗛浣滆 甯府鍥 璁よ瘉鍥㈤槦 鍚堜紮浜 浼佷笟 濯掍綋 鏀垮簻 鍏朵粬缁勭粐 鍟嗗煄 娉曞緥 鎵嬫満绛旈 鎴戠殑 杩炵画鎬т簩缁撮殢鏈哄彉閲忔暟瀛︽湡鏈 鎴戞潵绛 1涓洖绛 #鐑# 涓轰粈涔堝瓟瀛愬儚浼氶洉鍒诲湪缇庢渶楂樻硶闄㈢殑闂ㄦィ涔嬩笂?
绛旓細璇︾粏杩囩▼鏄紝(1).鏍规嵁鏈熸湜鍊肩殑瀹氫箟锛孍(X+Y)=鈭(-鈭,鈭)鈭(-鈭,鈭)(x+y)f(x,y)dxdy= 鈭(0,1)dx鈭(0,x)2(x+y)dy銆傝岋紝鈭(0,x)2(x+y)dy=3x²銆傗埓 E(X+Y)= 鈭(0,1) 3x² dx=1銆(2).浠(1)鐨勮繃绋嬶紝E(XY)=鈭(0,1)dx鈭(0,x)2xy)dy=鈭(0,1)x...
绛旓細n娆＄嫭绔嬬殑浼姫鍒╁疄楠岋紙浼姫鍒╁疄楠屾槸鎸囨瘡娆″疄楠屾湁涓ょ缁撴灉锛屾瘡绉嶇粨鏋滄鐜囨亽瀹氾紝姣斿鎶涚‖甯侊級銆傚叾涓湡鏈汦锛圶锛= np锛屾柟宸瓺锛圶锛= np锛1-p锛夈3銆佹硦鏉惧垎甯 鍏舵鐜囧嚱鏁颁负P{X=k}=位^k/(k!e^位) k=0锛1锛2鈥...k浠ｈ〃鐨勬槸鍙橀噺鐨鍊笺傚叾涓鏈熸湜鍜鏂瑰樊鍧囦负 位銆4銆佸潎鍖鍒嗗竷 鑻杩炵画鍨闅忔満鍙橀噺X...
绛旓細鏁板鏈熸湜E(X)鍜屾柟宸瓺(X)鏄鐜囪鍜屾暟鐞嗙粺璁′腑鐨勪袱涓噸瑕佹蹇碉紝鐢ㄤ簬鎻忚堪闅忔満鍙橀噺鐨鏁板瓧鐗瑰緛銆傛暟瀛︽湡鏈汦(X)鐨勬眰娉曪細鏁板鏈熸湜E(X)鍙嶆槧浜嗛殢鏈哄彉閲廥鍙栧肩殑骞冲潎姘村钩銆傚浜庣鏁ｅ瀷闅忔満鍙橀噺锛屾暟瀛︽湡鏈汦(X)绛変簬X鐨勬墍鏈夊彲鑳藉彇鍊间笌鍏跺搴旂殑姒傜巼鐨勪箻绉箣鍜屻傚浜杩炵画鍨嬮殢鏈哄彉閲忥紝鏁板鏈熸湜E(X)鍒欐槸X鐨勬鐜囧瘑搴...
绛旓細杩樻湁浠讳綍鍒嗗竷鍒楅兘閫氱敤鐨勩侱X=E(X)^2-(EX)^2銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屾暟瀛︽湡鏈(mean)锛堟垨鍧囧硷紝浜︾畝绉版湡鏈涳級鏄瘯楠屼腑姣忔鍙兘缁撴灉鐨勬鐜囦箻浠ュ叾缁撴灉鐨勬诲拰锛屾槸鏈鍩烘湰鐨勬暟瀛︾壒寰佷箣涓銆傚畠鍙嶆槧闅忔満鍙橀噺骞冲潎鍙栧肩殑澶у皬銆傞珮涓暟瀛鏈熸湜涓鏂瑰樊鍏紡搴旂敤锛1锛夐殢鏈虹倰鑲°傞殢鏈虹倰鑲′篃灏辨槸闂潃鐪肩潧鍦ㄨ偂甯備腑鎸戜竴鍙偂绁...
绛旓細绗竴涓畾绉垎涓婇檺涓2锛屼笅闄愪负-鈭烇紝绗簩涓畾绉垎涓婇檺涓+鈭烇紝涓嬮檺涓2銆傚浜闅忔満鍙橀噺Y3=min{X,2},褰撻殢鏈哄彉閲廥鍙朳-鈭烇紝2]鏃讹紝Y3=X锛屽綋X鍙(2锛屸垶)鏃讹紝Y3=2,鎵浠ユ眰Y3鐨勬暟瀛鏈熸湜鏃讹紝E(Y3)=鈭玿f(x)dx+鈭2f(x)dx锛岀涓涓畾绉垎涓婇檺涓2锛屼笅闄愪负-鈭烇紝绗簩涓畾绉垎涓婇檺涓+鈭烇紝涓嬮檺涓2銆
绛旓細E(x,y)=鈭埆(-鈭,+鈭)f(x,y)xydxdy=1/4 cov(x,y)=E(xy)-E(x)E(y)=1/4-1/4=0 蟻xy=0 濡傛湁鎰忚锛屾杩庤璁猴紝鍏卞悓瀛︿範锛涘鏈夊府鍔╋紝璇烽変负婊℃剰鍥炵瓟锛
绛旓細=>EX = 3/4 EY = 鈭 dx鈭 y*p(x,y)dy 鍚屾牱锛岀涓涓Н鍒嗙鍙蜂笂闄1锛屼笅闄0锛岀浜屼釜绉垎绗﹀彿涓婇檺x锛屼笅闄0 => EY = 3/8 EX EY灏辨槸鎵姹傜殑2涓竟闄鏈熸湜 瑕佹眰鍗忔柟宸紝鏈夊叕寮 Cov(X, Y) = EXY - EX*EY 鎵浠ュ彧瑕佸啀姹傚嚭EXY鍗冲彲 EXY = 鈭 dx 鈭 p(x, y) dy 绗竴涓Н鍒...
