设二维随机变量(X,Y)的分布律为 求(X,Y)分别关于X和Y的边缘分布 试问X和Y是否相互独立,为什么
分2113布律就是做个表,把值和概率对应的5261填进去就可以了。
至于边缘分布律,以x为例,x取0的概率是1/6,取1653-1概率是1/3+1/12=5/12,取2的概率就是5/12,那么做一个表,回第一行是可能的取值0,1,2第二行把相应概率填进去。
求X的边缘分布律就是把每一纵列相加,把y全部积分,x不积分。
0+0.2=0.2 0.2+0.3=0.5 0.2+0.1=0.3
Z的取值一共只有四种情况:-1,0,1,2把这四种情况对应的概率算出就可以。
Z=X+Y 比如Z=2的概率就是x=1,y=1时的概率,也就是0.1。
扩展资料:
随机变量在不同的条件下由于偶然因素影响,可能取各种不同的值,故其具有不确定性和随机性,但这些取值落在某个范围的概率是一定的,此种变量称为随机变量。随机变量可以是离散型的,也可以是连续型的。
如分析测试中的测定值就是一个以概率取值的随机变量,被测定量的取值可能在某一范围内随机变化,具体取什么值在测定之前是无法确定的,但测定的结果是确定的,多次重复测定所得到的测定值具有统计规律性。随机变量与模糊变量的不确定性的本质差别在于,后者的测定结果仍具有不确定性,即模糊性。
参考资料来源:百度百科-随机变量
绛旓細鍒嗗竷寰嬪氨鏄妸鍊煎拰姒傜巼瀵瑰簲鐨勫~杩涘幓灏卞彲浠ヤ簡銆傝竟缂樺垎甯冨緥锛屼互x涓轰緥锛寈鍙0鐨勬鐜囨槸1锛6锛屽彇锛1姒傜巼鏄1锛3锛1锛12锛5锛12锛屽彇2鐨勬鐜囧氨鏄5锛12锛岄偅涔堝仛涓涓〃锛岀涓琛屾槸鍙兘鐨勫彇鍊0锛1锛2锛庣浜岃鎶婄浉搴旀鐜囧~杩涘幓銆浜岀淮绂绘暎鍨闅忔満鍙橀噺鐨勫垎甯绉颁负杈圭紭鍒嗗竷寰嬶紝鐢卞畾涔夊彲浠ョ煡閬撹竟缂樺垎甯冨緥锛屽叾瀹...
绛旓細绗竴涓瓑鍙锋槸鑱斿悎鍒嗗竷鍑芥暟涓庤仈鍚堝瘑搴﹀嚱鏁颁箣闂寸殑鍏崇郴锛屼粠杩炵画鍨闅忔満鍙橀噺鑱斿悎鍒嗗竷鍑芥暟鐨勫畾涔変腑灏卞彲寰楀嚭 绗簩涓瓑鍙峰氨鏄亸瀵兼暟鐨勮绠楋細∂F/∂x=a(c+arctan2y)/(1+x²)∂²F/∂x∂y=a/[(1+x²)(1+4y²)]甯屾湜鍙互甯埌浣狅紝涓嶆槑鐧藉彲浠ヨ拷闂...
绛旓細f(x,y)=dF(x,y)/dxdy=1/[蟺^2 (1+x^2)(1+y^2)]杈圭紭鍑芥暟 fx(x)=鈭玣(x,y)dy 浠庤礋鏃犵┓绉垎鍒版鏃犵┓ =1/[蟺(1+x^2)]fy(y)=鈭玣(x,y)dx 浠庤礋鏃犵┓绉垎鍒版鏃犵┓ =1/[蟺(1+y^2)]渚嬪锛氱涓涓瓑鍙锋槸鑱斿悎鍒嗗竷鍑芥暟涓庤仈鍚堝瘑搴﹀嚱鏁颁箣闂寸殑鍏崇郴锛屼粠杩炵画鍨闅忔満鍙橀噺鑱斿悎鍒嗗竷鍑芥暟鐨...
绛旓細绛旀涓猴細F锛坅锛宐锛+1-[F1锛坅锛+F2锛坆锛塢鐢变簬F锛坅锛宐锛=P{X鈮锛孻鈮}锛孎1锛坅锛=P{X鈮锛孻锛+鈭瀩锛孎2锛坆锛=P{X锛+鈭烇紝Y鈮}锛岃岋細P{X锛瀉锛孻锛瀊}=P{X锛+鈭烇紝Y锛+鈭瀩-P{X鈮锛孻锛+鈭瀩-P{X锛+鈭烇紝Y鈮}+P{X鈮锛孻鈮} 鈭碢{X锛瀉锛孻锛瀊}=1-F1锛坅锛-...
绛旓細鏈浣跨敤姝f鍒嗗竷涓庣嫭绔嬫у垎鏋愶細锛坸锛寉锛墌N锛0锛0锛1锛1锛0锛夎鏄嶺~N(0,1),Y~N(0,1)涓擷涓嶻鐙珛 X/Y<0锛屽嵆X涓嶻鍙嶅彿 鎵浠 P锛圶/Y<0锛=P(X>0,Y<0)+P(X<0,Y>0)=P(X>0)P(Y<0)+P(X<0)P(Y>0)=0.5脳0.5+0.5脳0.5 =0.5 浜岀淮闅忔満鍙橀噺( X,Y)鐨鎬ц川涓嶄粎...
绛旓細缁撴灉涓猴細50 瑙i杩囩▼濡備笅锛氳В锛氣埖 锛坸锛寉锛~N锛0锛0锛1锛1锛0锛夆埓X~N(0,1)锛孻~N(0,1)涓擷涓嶻鐙珛 鈭礨/Y<0锛屽嵆X涓嶻鍙嶅彿 鈭 P锛圶/Y<0锛塃(X)=1 D(X)=4 E(X^2)=D(X)+E(X)^2=5 E(Y)=1 D(Y)=9 E(Y^2)=D(Y)+E(Y)^2=10 鈭碋(X^2Y^2)=E(X^2)E...
绛旓細{X=0}涓巤X+Y=1}浜掔浉鐙珛-->P({X=0}涓巤X+Y=1})=P({X=0})P({X+Y=1})---> P(X=0,Y=1)=P({X=0})P({X+Y=1})---> a=(0.4+b)*(a+b)鍙0.4+a+b+0.1=1---> a=0.3,b=0.2
绛旓細绛旀鏄疉銆傛牴鎹鍒嗗竷鍑芥暟鍙婁簩鍏冨垎甯冨嚱鏁扮殑瀹氫箟鍙互濡傚浘鍒嗘瀽銆
绛旓細璁句簩缁撮殢鏈哄彉閲忥紙X锛孻锛夌殑姒傜巼瀵嗗害涓篺锛坸锛寉锛={2e^-锛坸+2y)锛寈>0锛寉>0鐨勫垎甯鍑芥暟濡備笅锛氶氳繃鍒嗗竷鍑芥暟锛屽彲鐢ㄦ暟瀛﹀垎鏋愮殑鏂规硶鏉ョ爺绌堕殢鏈哄彉閲忋傚垎甯冨嚱鏁版槸闅忔満鍙橀噺鏈閲嶈鐨勬鐜囩壒寰侊紝鍒嗗竷鍑芥暟鍙互瀹屾暣鍦版弿杩伴殢鏈哄彉閲忕殑缁熻瑙勫緥锛屽苟涓斿喅瀹氶殢鏈哄彉閲忕殑涓鍒囧叾浠栨鐜囩壒寰併
绛旓細鍥犱负浜岀淮闅忔満鍙橀噺锛圶,Y)鍦ㄥ尯鍩烡涓婃湇浠庡潎鍖鍒嗗竷锛屾墍浠ュ綋(x,y)鈭圖鏃讹紝姒傜巼瀵嗗害f(x,y)涓哄尯鍩烡鐨勯潰绉殑鍊掓暟锛屽綋(x,y)涓嶅湪D鍐呮椂锛宖(x,y)涓0 鍥犱负D:0<=x<=2,0<=y<=2鏄竟闀夸负2鐨勬鏂瑰舰鍖哄煙锛屾墍浠鐨勯潰绉负4 鏁呮鐜囧瘑搴︿负f(x,y)=1/4,(x,y)鈭圖 0,鍏朵粬 鍙堝洜涓虹偣(1,1)鍦ㄥ尯鍩烡...