X.Y服从0-1分布,E(XY)等于八分之五,P(X Y=

来源:学生作业帮助网 编辑:作业帮 时间:2024/07/09 07:06:24
随机变量X服从p=0.6的0-1分布Y-B(2,0.5)且XY相互独立,求二维随机变量(X,Y)的联合概率分布及概率P(

X和Y都是离散型分布  先看X的概率分布:  X01  p0.40.6  再看Y的概率分布:  Y012  p0.250.50.25  又因为X与Y相互独立,所以(X,Y)的联合概率分布为:  X\Y

一道概率论的题目设X,Y相互独立,且都服从N(0,1)分布,试求E(根号X^2+Y^2)

这是二维的Maxwell分布,你学大学物理会遇到三维的.不过对于只求期望的话,不用求它的分布函数.E((X^2+Y^2)^(1/2))=∫∫(x^2+y^2)^(1/2)dF(x,y)=∫∫(x^2+

二维随机变量xy服从(μ,μ,σ,σ,0)分布,求E[x(y^2)]

p=0,所以x,y独立,Exy^2=ExEy^2,Ex=u,Ey^2=u^2+σ^2,所以Exy^2=u^3+uσ^2

已知随机变量X,Y相互独立,且同服从分布N(0,1),又Z=根号(X^2+Y^2),求E(X),D(X)

E(Z)=E(X^2+Y^2)=E(X^2)+E(Y^2)=[DX+(EX)^2]+[DX+(EX)^2]=1+0+1+0=2因为DX=E(X^2)-(EX)^2D(Z)=D(X^2+Y^2)=D(X

设X服从参数为1的泊松分布,Y服从参数为4,0.5的二项分布,且x,y相互独立,求E(XY)

由于相互独立,EXY=EX*EY=1*2=2泊松分布的期望等于纳姆达=1二项分布的期望等于np=4*0.5=2

设随机变量X ,Y分别服从(0-1)分布,证明:X,Y相互独立等价于X,Y不相关

设X,Y的分布律分别为X01Y011-pp1-qq(1)X,Y独立,那么他们一定不相关(这是书上的结论,只要独立就一定不相关)(2)X,Y不相关,则COV(X,Y)=0,即E(XY)=E(X)E(Y)

X服从泊松分布求E[X(X-1)]

设X服从泊松分布,参数为λ,那么EX=λ,DX=λ,所以E[X(X-1)]=E(X^2)-EX=DX+(EX)^2-EX=λ+λ^2-λ=λ^2.也可以直接根据定义E[X(X-1)]=sum(n(n-

设随机变量X服从参数为2的指数分布,证明Y=e^-2X服从U(0,1)

解法的要点如下图,先找出分布函数的关系.经济数学团队帮你解答,请及时采纳.谢谢!

设X Y 相互独立,且服从N(0,1)分布,试求E(根号(X^2+Y^2))

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

设x,y相互独立,都服从N(0,1)分布,试求E(根号(x2+y2))

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

设X Y 相互独立,且服从N(0,1)分布,试求E(根号(X^2+Y^2))

根号(2*pi)积分可以化成极坐标做.

X与Y服从同一分布 ,X取0概率为0.5 ,X取1的概率为0.5,若已知P(XY=0)=1,求P(X=Y)=多少 是0

因为P(XY=0)=1,所以XY始终等于0,所以当X以0.5的概率取1的时候,Y一定等于0;又X与Y服从同一分布,因此当X以余下的0.5概率取0的时候Y一定不等于0(否则Y始终等于0,与X不服从同一分

假定随机变量X,Y独立同分布,都服从N(0,1),计算:E[MAX(X,Y)]

Z=max(x,y)当x,y)独立时,F(z)=[Fx(z)]^2-->fz(z)=2fx(z)F(z)E[MAX(X,Y)]=∫2zf(z)F(z)dz(代入标准正态分布密度函数,经分步积分可以算出

随即变量X服从N(0,1)分布,Y=X^2,求x和y的相关系数

p=cov(x,y)/[√D(x)*√D(y)]cov(x,y)=E(x*y)-E(x)*E(y)=E(x^3)-E(x)*E(x^2)=E(x^3)=∫∞(x³*e^(-x²/2

已知随机变量X与Y均服从0-1分布B(1,3/4),如果E(XY)=5/8,则P{X+Y

可如图写出期望计算式,其中只有一项不为0.经济数学团队帮你解答,请及时采纳.谢谢!

设X~N(1,2),Y服从参数为3的泊松分布,且X与Y独立,求D(XY)

X~N(1,2)则E(X)=1,Y服从参数为3的泊松分布,则E(Y)=3;E(Y^2)=3^2+3=12;E(X^2)=1;D(xy)=E[(xy)^2]-E^2(xy)=E(x^2y^2)-E^2(