设X,Y都服从正态分布,求|X-Y|的期望-搜答案-智慧作业帮

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

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

对于选项（A）：两个随机变量X和Y都服从标准正态分布，但它们的和不一定服从正态分布，因为X和Y不是相互独立的．倘若X和Y相互独立或者X和Y的联合分布为正态分布，则可以推出X+Y服从正态分布，否则不一定

2X^2/(X^2+Y^2)服从F(1,2)所以,所求期望为F(1,2)的期望的一半.

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

依然正态分布 +1的话只是平均值+1,不影响方差图片来自维//……基,不添加链接了以防答案被吞

X²/1,Y²/1均服从自由度为1的χ²分布.按照F分布的定义,(X²/1)/(Y²/1)=X²/Y²,服从自由度为(1,1)的F

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

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)-

1/（PI）^O.5

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

FZ(z)=P{Z再问：可是答案是{Φ[(z+h-μ)/σ]-Φ[(z-h-μ)/σ]}/2h再答：我第一行做错了。FZ(z)=P{Z

是不是以x,y建立坐标轴,借助图像y>=x确定的呢……表示不知道答案不用谢

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/

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

N(1,4).X/2~N(1/2,1)D(X/2)=1,D(Y)=4-0.5=COV(X/2,Y)/[根号1*根号4]=COV(X/2,Y)/2,COV(X/2,Y)=-0.5*2=-1D(X/2+Y

1,X的密度函数f(x)=1/√(2π)*exp(-x^2/2)2,设y>0P(Y≤y)=P(-√y≤X≤√y)=1/√(2π)*积分(-√y到√y)exp(-x^2/2)dx=2/√(2π)*积分(

再问：为什么那里要加绝对值？再答：公式。针对单调增和单调减

fY(y)=1/（2π）,y∈[-pi,pi],其他为0FZ(z)=P{Z再问：fZ(z)=∫(-π,+π)φ((z-y-u)/σ)/(2π)dy=[Φ((z+π-u)/σ)-Φ((z-π-u)/σ)