设随机变量X~N(0,),求随机变量Y=|X|的概率密度,数学期望与方差

来源:学生作业帮助网 编辑:作业帮 时间:2024/07/13 17:28:54
设X,Y为相互独立的随机变量,且均服从N(0,1),求E[min(X,Y)].

Z=min(X,Y),Fmin(z)=1-{1-FX(z)}{1-FY(z)}.对Fmin(z)关于z求导,则求出min(X,Y)的概率密度.那么求E[min(X,Y)]根据公式即可!还有一种解法:Z

设随机变量X~N(0,1),N(0,1)且X,Y相互独立 求 E[X^2/(X^2+Y^2)]

瀑布汗.(X^2+Y^2)/(X^2+Y^2)=1E(1)=1再问:为什么E(1)=1?我知道(X^2+Y^2)/(X^2+Y^2)=1得出e(1)但为什么E(1)=1?再答:常数的期望等于自己,这题

设随机变量X~N(0,4),N(0,4),并且X和Y相互独立,求D(X+Y)和D(2X-3Y)

D(X+Y)=E[(X+Y)^2]-E^2(X+Y).因为X与Y相互独立,所以E(XY)=E(X)E(Y);故上式等于:E(X^2+2XY+Y^2)-[E^2(X)+E^2(y)]=E(X^2)+E(

1.设随机变量X Y 相互独立,同分布与N (0,0.5),求E(| X - Y |)

X与Y相互独立,且都服从正态分布N(0,0.5)-->U=X-YEU=EX-EY=0DU=0.5+0.5=1U~N(0,1)E|X-Y|=E|U|为正态分布的一阶绝对中心矩=(2/pi)^(1/

设随机变量X与Y相互独立,N(1,2),(0,1),求随机变量Z=X-Y的分布,并求P(X>Y )的概率

N(1,3)P(X>Y)=P(X-Y>0)=P(Z>0)又T=Z-1/根号3~N(0,1)则原式=P(T>-1/根号3)查标准正太分布表可得到概率再问:Z~N(1,1)不是这样?

设随机变量x~N(0,1),y=2x+1,则y~N( ),求详解,

用正态分布特性计算.经济数学团队帮你解答.请及时评价.

设随机变量X~N(0,1),Y=X²,求Y的概率密度.

X的概率密度函数:f_X(x)=1/√(2π)·e^(-x^2/2)y≤0时,F_Y(y)=P{Y再问:X的概率密度函数:f_X(x)=1/√(2π)·e^(-x^2/2)...这个是怎么得到的再答:

概率论与数理统计 设随机变量X~N(0,1)求,E(X^2)

D(x)=E(X^2)-[E(X)]^2=1E(X^2)=1

设二维随机变量(X,Y )服从二维正态分布N(0,0,1,1,0)求P(X+Y0)

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

设X,Y为相互独立的随机变量,且均服从N(0,1),求E[min(X,Y)]

Z=min(X,Y),Fmin(z)=1-{1-FX(z)}{1-FY(z)}.对Fmin(z)关于z求导,则求出min(X,Y)的概率密度.那么求E[min(X,Y)]根据公式即可!还有一种解法:Z

设连续随机变量X服从标准正态分布N(0,1),求Y=1-2X的概率密度函数

正态分布的线性函数还是正态分布E(Y)=E(1-2X)=1-2EX=1D(Y)=D(1-2X)=4D(X)=4故Y~N(1,4)

设随机变量x~N(0,1),求p(x

x~N(0,1),意思是,x服从标准正态分布查表得:p(x

设随机变量X服从标准正态分布N(0,1),求随机变量函数Y=X平方的概率密度(详细计算过程)

一个线性函数的正常分布或正态分布E(Y)=(1-2X)?=1-2EX=1D(Y)=D(1-2X)=4D(X)=4因此,YN(1,4)

设随机变量X〜N(0,1),求Y=2x平方+1的概率密度函数.

当y≥1时FY(y)=P{Y≤y}=P{2X²+1≤y}=P{X≤√[(y-1)/2]}=FX(√[(y-1)/2])fY(y)=dFY(y)/dy=dFX(√[(y-1)/2])/dy=1

设随机变量X~N(0,1),求Y=X^2的概率密度

F(y)=P(Y再问:后面那一串上角标是怎么个意思?再答:具体点

设随机变量X~U(0,π),求:随机变量 Y=2X+1的密度函数...

X~U(0,π)(均匀分布),x的密度函数为1/π,x∈(0,π)时,其它均为0X~U(0,π),Y=2X+1∈(1,2π+1)的密度函数为1/(2π),x∈(1,2π+1)时,其它均为0【【不清楚,

设随机变量x~n(0,1),令y=e^-x求概率密度函数

N(0,1),y=e^(-x)y>0X的密度函数是fX(x)=1/√2π*e^(-x^2/2)那么FY(y)=P(Y0

设随机变量X服从正态分布N(0,σ^2),若P{|X|>k},试求P{X<k}

P{|X|>k}=0.1P{X<k}=1-P{|X|>k}/2=0.95