相互独立的随机变量服从正态分布

来源:学生作业帮助网 编辑:作业帮 时间:2024/09/22 09:52:42
相互独立的随机变量服从正态分布
概率论正态分布设随机变量X、Y相互独立,且都服从正态分布N(1,2),则下列随机变量中服从标准正态分布的是A.(X-Y)

A-YN(-1,2)X-YN(0,2+2)=N(0,4)(X-Y)/2N(0,4/2^2)=N(0,1)选A再问:虽然看懂了...不过可以这么做的依据是什么啊?就是说,为什么可以对XY做运算?再答:这

概率统计学.设两个相互独立的随机变量X和Y分别服从正态分布N(0,1)和N(1,1)则.A,P{X+Y

N(0,1)N(1,1)XY独立所以X+Y和X-Y都是服从正态分布的而且E(X+Y)=EX+EY=1,D(X+Y)=DX+DY=2所以X+Y~N(1,2)所以P(X+Y=0)=Φ((0-1)/√2)=

设两个相互独立的随机变量X和Y分别服从正态分布N(0,1)和N(1,1),则(  )

根据正态分布的性质,易知:X+Y,X-Y均服从正态分布,根据数学期望与方差的性质:E(X+Y)=E(X)+E(Y)=1,D(X+Y)=D(X)+D(Y)=2,E(X-Y)=E(X)-E(Y)=-1,D

设随机变量X,Y相互独立,且都服从正态分布N(0,σ^2),求Z=(X^2+Y^2)^0.5的概率密度.

Z的分布叫做瑞利(Rayleigh)分布,具体求法:f(x,y)=[1/(2πσ^2)]*e^-[(x^2+y^2)/2σ^2]当z=0时,有:F(z)=∫∫f(x,y)dxdy,其中积分区域为x^2

假设随机变量X和Y相互独立,服从标准正态分布,求随机变量Z=X/Y的概率密度.

联合密度函数f(x,y)=f(x)*f(y)=(1/2π)e^[-(x^2+y^2)/2]画图可知(X为纵坐标,Y为横坐标)是的Z

假设随机变量X和Y相互独立,服从标准正态分布,求随机变量4X+3Y与3X-4Y的联合密度函数.

x,y独立,正态分布.那么x,y的和差运算仍然是正态分布.E(4X+3Y)=4E(x)+3E(y)=0D(4x+3y)=16D(x)+9D(y)=25因此4X+3Y~N(0,25)同理3X-4Y~N(

有没有概率高手,设XY相互独立都服从标准正态分布.则随机变量Z=2X+Y的概率密度是多少.

1.XY相互独立,相关系数r=02.E(Z)=E(2X+Y)=2E(X)+E(Y)=03.D(Z)=[(2X+Y)^2]=4D(X)+D(Y)+4E(X)E(Y)=4+1+0=54.N(0,5)5.f

设随机变量X,Y相互独立,且都服从正态分布N(0,σ^2),求Z=(X^2+Y^2)^0.5的方差

并不是很确定这个答案,但是觉得是一个还算有道理的解释.方差=积分(积分(X^2+y^2)*pdf(x正太)*pdf(y正太)dx)dy(上面的式子是由方差的积分定义得到的).由于xy相互独立,上面的积

设两个随机变量X,Y相互独立,且都服从均值为0,方差为1/2的正态分布,求随机变量|X-Y|的方差.

分析:这个直接求,有直接定理E(X)=E(Y)=u=0Z=X-YE(|Z|)=(2/√2π)∫ze^(-z^2/2)dz=√(2/π)D(X)=D(Y)=1/2D(|X-Y|)=E(|X-Y|^2)-

一道概率论的题目,随机变量X,Y相互独立,且都服从正态分布N(0,Z²),记U=aX+bY,V=aX-bY(a

(a^2-b^2)/(a^2+b^2)首先用相关系数的公式,分子的协方差把它写成4项,然后有两项相互抵消了,分子是两个方差开根号相乘,再利用方差的公式就可以得到.主要是用公式,没有什么技巧,做的时候注

设X和Yshi相互独立且都服从均值为0,方差为1/2的正态分布求随机变量|X-Y|的方差

真正的|X-Y|的方差要比这样算的小很多...定义I{x>y}=1如果x>y;否则为0I{x

:设X 和Y 是相互独立的且均服从正态分布N( 0 ,0.5)的随机变量,求(X - Y)绝对值的数学期望

E(X-Y)=∑∞P(X1)(Y1)(X1-Y1)=∫∞∫∞f(x)f(y)(x-y)dxdy=0希望能帮到您~

设随机变量X与Y相互独立,且X服从正态分布N(0,4),Y服从正态分布N(0,9),则随机变量2X^2-Y^2的方差为多

你先求出那个啥f(x、y)等于多少,然后再E(U(x、y))=∫U(x、y)f(x、y)dxdy就可以了再问:。。。你这个方法复杂了,我已经做出来了

1:设X 和Y 是相互独立的且均服从正态分布N( 0 ,0.5)的随机变量,求(X - Y)绝对值的数学期望 有步

由于格式问题,积分无法在这里显示,需要详细解答请去我的百度空间——>相册——>答案中去看.

相互独立随机变量X,Y,服从正态分布N(0.1)

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+