设随机变量(X,Y)的联合分布律如表所示,求a,b?
a+b=1-1/4-1/4=1/2
P{X=0|Y=0}=1/2表示在Y=0的情况下,X=0的概率为1/2,那么a=1/4
则b=1/4
例如:
X的边缘分布
X -1 0 1
P 0.2 0.5 0.3
Z=X+Y的分布律
Z -1 0 1 2
P 0 0.4 0.5 0.1
扩展资料:
在做实验时,常常是相对于试验结果本身而言,我们主要还是对结果的某些函数感兴趣。
例如,在掷骰子时,常常关心的是两颗骰子的点和数,而并不真正关心其实际结果,就是说,关心的也许是其点和数为7,而并不关心其实际结果是否是(1,6)或(2,5)或(3,4)或(4,3)或(5,2)或(6,1)。关注的这些量,或者更形式的说,这些定义在样本空间上的实值函数,称为随机变量。
参考资料来源:百度百科-随机变量
绛旓細浜岀淮闅忔満鍙橀噺锛圶锛孻锛钀藉湪闀挎柟褰㈠尯鍩燂細宸︿笅瑙掞紙x1锛寉1锛夆啋鍙充笂瑙掞紙x2锛寉2锛夌殑姒傜巼涓猴細F(x2锛寉2)-F(x2锛寉1)-F(x1锛寉2)+F(x1锛寉1)锛屼功涓婃湁杩欏叕寮忋
绛旓細P{X=0|Y=0}=1/2琛ㄧず鍦╕=0鐨勬儏鍐典笅锛孹=0鐨勬鐜囦负1/2锛岄偅涔坅=1/4 鍒檅=1/4 渚嬪锛歑鐨勮竟缂鍒嗗竷 X -1 0 1 P 0.2 0.5 0.3 Z=X+Y鐨勫垎甯冨緥 Z -1 0 1 2 P 0 0.4 0.5 0.1
绛旓細姹傝В杩囩▼涓庣粨鏋滃涓嬫墍绀
绛旓細棣栧厛a+b=1-1/4-1/4=1/2 P{X=0|Y=0}=1/2琛ㄧず鍦╕=0鐨勬儏鍐典笅锛孹=0鐨勬鐜囦负1/2锛岄偅涔坅=1/4 鍒檅=1/4
绛旓細} => P(X<=x, Y<=y)绉颁负锛氫簩缁闅忔満鍙橀噺(X,Y)鐨鍒嗗竷鍑芥暟锛屾垨绉颁负闅忔満鍙橀噺X鍜孻鐨勮仈鍚堝垎甯鍑芥暟銆傞殢鏈哄彉閲廥鍜孻鐨勮仈鍚堝垎甯冨嚱鏁版槸璁(X,Y)鏄簩缁撮殢鏈哄彉閲忥紝瀵逛簬浠绘剰瀹炴暟x,y锛屼簩鍏冨嚱鏁帮細F(x,y) = P{(X<=x) 浜 (Y<=y)} => P(X<=x, Y<=y)绉颁负浜岀淮闅忔満鍙橀噺(X,Y)鐨勫垎甯冨嚱鏁般
绛旓細璁(X,Y)鏄簩缁撮殢鏈哄彉閲忥紝瀵逛簬浠绘剰瀹炴暟x,y锛屼簩鍏冨嚱鏁帮細F(x,y) = P{(X<=x) 浜 (Y<=y)} => P(X<=x, Y<=y)绉颁负锛氫簩缁闅忔満鍙橀噺(X,Y)鐨鍒嗗竷鍑芥暟锛屾垨绉颁负闅忔満鍙橀噺X鍜孻鐨勮仈鍚堝垎甯鍑芥暟銆傞殢鏈哄彉閲廥鍜孻鐨勮仈鍚堝垎甯冨嚱鏁版槸璁(X,Y)鏄簩缁撮殢鏈哄彉閲忥紝瀵逛簬浠绘剰瀹炴暟x,y锛屼簩鍏冨嚱鏁帮細F(x,y) ...
绛旓細DX=E锛圶²锛-锛圗X锛²=0.25 EY=5脳0.5+10脳0.5=7.5 E锛圷²锛=5²脳0.5+10²脳0.5=62.5 DY=E锛圷²锛-锛圗Y锛²=6.25 E锛圶Y锛=1脳5脳0=1脳10脳0.5=2脳5脳0.5+2脳10脳0=10 鍥犱负cov锛圶锛孻锛-EX脳EY=-1.25 鎵浠ワ細P=cov锛...
绛旓細鐢变簬鍒嗗竷寰嬩腑鍚勪釜姒傜巼bai涔嬪拰涓1锛屽洜姝=1/8銆傝仈鍚堝垎甯冨嚱鏁颁互浜岀淮鎯呭舰涓轰緥锛岃嫢锛圶锛孻锛鏄簩缁撮殢鏈哄悜閲忥紝x銆亂鏄换鎰忎袱涓疄鏁帮紝鍒欑О浜屽厓鍑芥暟銆傝(X,Y)鏄簩缁闅忔満鍙橀噺锛屽浜庝换鎰忓疄鏁皒,y锛屼簩鍏冨嚱鏁帮細F(x,y) = P{(X<=x) 浜 (Y<=y)} => P(X<=x, Y<=y)锛涢殢鏈哄彉閲廥鍜孻鐨勮仈鍚堝垎甯...
绛旓細鈭礐ov(X锛孻)=E(XY)-E(X)路E(Y)=0 鈭碭涓嶻涓嶇浉鍏炽(2)P(X=-2锛孻=1)=0鈮燩(X=-2)路P(Y=1)鈭碭涓嶻涓嶇浉浜掔嫭绔嬨闅忔満鍙橀噺X鍜孻鐨勮仈鍚堝垎甯鍑芥暟鏄(X,Y)鏄簩缁撮殢鏈哄彉閲忥紝瀵逛簬浠绘剰瀹炴暟x,y锛屼簩鍏冨嚱鏁帮細F(x,y) = P{(X<=x) 浜 (Y<=y)} => P(X<=x, Y<=y)绉颁负浜岀淮...
绛旓細銆愮瓟妗堛戯細A 浠={X鈮}锛孊={Y鈮}锛屽垯P{X锛瀤锛孻鈮}=P=P(B)=P(AB)=FY(y)=F(x锛寉)锛屽簲閫(A)