(X,Y)服从二维正态分布N....则X的边缘分布为

亲.这是定义,当分布为正态分布时,二者就是等价的再答：根据你的表达式，xy也是正太，再答：不懂可以追问再问：只要是二维正态分布独立和不相关就一定等价？再问：那个行列式等于零XY就不是二维正态分布吗，能

套公式即可.σ1^2=DX=16,σ2^2=DY=25.ρ=Cov(X,Y)/(σ1σ2)=0.6,√(1-ρ^2)=0.8.f(x,y)=（1/32π）e^{(-25/32)[x^2/16-3xy/

f(x)=[(50pi)^(-1/2)]e^(-x^2)f(y)=[(50pi)^(-1/2)]e^(-y^2)f(x,y)=f(x)f(y)X与Y相互独立.再问：这样好像不对吧，有解题过程吗？再答：

不独立的话,函数形状在三维空间就不是那种草帽型扩散的函数相互独立联合密度里新的指数是-{(x-u1)^2/o^1+(y-u2)^2/o2^2}(x,y)在圆心为(u1,u2),双轴比例为o1,o2的所

X的概率密度g(x)=∫[-∞,+∞]f(x,y)dy=1/(5√2π)*e^(-x^2/50).Y的概率密度h(y)=∫[-∞,+∞]f(x,y)dx=1/(5√2π)*e^(-y^2/50).f(

X,N（0,0,1,1,0）说明X,Y独立同分布N（0,1）fX(x)=φ(x).P（X+Y0)=P(X>0,Y>0)+P(X

f(x,y)~(u1,u2,σ1²,σ2²,ρ)其中u1=0,u2=0,σ1²=16,σ2²=25,ρ=Cov(x,y)=12把数字代入即可.再问：这个公式好长

您好,如果你知道二维正态分布N(u1,u2,σ1^2,σ1^2,ρ)的意思你就不会这么问了.u1:X的期望,本题中为0u2:Y的期望,本题中为0σ1^2:X的方差,本题中为3σ1^2:Y的方差,本题中

C啊~这是概率论第四章的啊~不相关就是协方差为0~然后逆推到D(X)=D(Y)就可以导来了

首先,什么叫二维正态分布.2个高斯随机变量放在一起,叫高斯向量.何为2维,指的是两个向量关于实数域线性无关.(等价于covariance非退化)现在已知(U,V)线性无关,问经过一个线性变换后是否相关

X与Y互相独立所以ρ=0

z由x与y表示,x、y服从二维正态分布,从而x、z服从二维正态分布.对于二维正态分布来讲,不相关与独立是等价命题,所以由不相关直接推出两者独立.

Z应满足N(aμ1+bμ2,a^2σ21^2+b^2σ22^2+2ρabσ21σ22)概率论与数理统计的书里有相关定理的.

(u1+u2,σ1^2+σ2^2)^代表平方哈,这是正态分布的可加性吧再问：那X-Y呢？谢谢你啊，要考试了其实是想知道X+Y与X-Y的方差相不相等。麻烦帮个忙再答：相等的，当X，Y不独立，D(X+(或

本帖用于提高本吧会员积分,每人每天不要超过30贴,就可以了.再答：@韩度技术@EA海尼森层主和楼主都一起清理了吧再答：逗比是怎样练成的

1fX(x)=(1/√2π)e^(-x^2/2)fY(y)=(1/√2π)e^(-y^2/2)因为x,y独立,所以联合概率密度所以fXY(x,y)=fX(x)fY(y)=(1/2π)e^[-(x^2+

当然也可用辅助函数法(二重积分换元)直接得出倒数第三行的公式.

/>答案是B.X,Y分别是随机变量,(X,Y)是一个把样本空间映射到实数平面的函数.它是一个二维随机变量.D是错误的.A,B,C的区别在于(X,Y)的分布是不是二维正态分布.我们只需举两个例子就可以说

这是两道题吧.X~N(0,3)所以mu1=0sigma1=根号3Y~N(0,4)mu2=0sigma2=2相关系数=-1/4=r,这里是二维正态概率密度函数的方程,你把以上5个参数带进去,就是所求.h