连续型随机变量X,Y独立同分布,累计分布函数相同

Y1和Y2不独立的情况下,它们函数的独立性也会受到相应的影响.但是你式子中表达的意思不太清楚,你写的g1g2分别是以x1x2为自变量的函数吗?你后面又问道Y1Y2之间的关系,是要提示它们是随机变量吗?

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

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/

因为XY服从相同的分布所以它们各自的分布函数和分布密度表达式是相同的,只是变量不同而已（一个是X一个是Y）所以就设分布函数是F（U）,分布密度是f(u),对应到XY就是把U换成XY就行了..像LS说的

因为X，Y独立同分布且X分布函数为F（x），故Z=max{X，Y}分布函数为：FZ（x）=P{Z≤x}=P{max{X，Y}≤x}=P{X≤x，Y≤x}=P{X≤x}P{Y≤x}=F（x）F（x）=（

第一题看不懂,至于第二题,应选B.X,Y服从正态分布则有：P(Y

cov(U,V)=cov(x+y,x-y)=cov(x,x)-cov(x,y)+cov(y,x)-cov(y,y)变量X和Y相互独立-->cov(x,y)=cov(y,x)=0量X和Y相互同分布-->

再问：лл���鷳����һ����Ŀ�е�fY(x)��ʲô������再答：��������Y�ĸ����ܶȺ���再问：��������ô��X��再答：xֻ�ǼǺŶ��ѣ��Ҹ�Ĵ���ҲӦͳ

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

P（X+Y=n）=(n-1)(1/2)^n以上,使用全概率公式即可再问：麻烦，能不能在详细一点。我比较笨。再答：打公式有点麻烦额，我就简写一下吧P（X+Y=n）=P（X=1）P（Y=n-1）+P（X=

∵cov（U，V）=E（U-EU）（V-EV）=E（X-Y-E（X-Y））E（X+Y-E（X+Y））=E（X-EX-Y+EY）E（X-EX+Y-EY）=E（X-EX）2-E（Y-EY）2=DX-DY由

Pxy是相关系数?应该是等于零

1/6吧,三个连续随机变量相等的情况忽略为0,所以x1,x2,x3从小到大排就是3的全排列之1非要证明的话只能用条件概率一步步展开了

独立同分布,那0么分布函数相同,F(x)=F(y),至于这道题,严格讲B也是正确的,只是表达不同,你说的那道题我看了,A选项应该是[F(z)]^2因为p(maxX,Y)=P(X

卷积P（X+Y=K）=ΣP（X=n,Y=K-n）n从1到K-1=ΣP（X=n）P（Y=K-n）n从1到K-1=（K-1）/(2的K次方）K从2到∞

中心极限定理（centrallimittheorem）是概率论中讨论××随机变量××序列部分和的分布渐近于正态分布的一类定理.这组定理是数理统计学和误差分析的理论基础,指出了大量随机变量近似服从正态分

解答过程如图,写出Z1,Z2取值与X,Y取值的关系就可计算了.经济数学团队帮你解答,请及时采纳.谢谢!

下面给出利用特征函数所进行的严格证明.证明：记h_{X}(t)为随机变量X的特征函数（注：记号“h_{X}”中的“_”表示“下标”；下文中的记号“^”表示“上标”,用来表示幂运算,如2^n是2的n次方

不对啊P{X>x,Y>y}=P（X>x）*P(Y>y)=(1-P（X

设密度函数为f(x),分布函数为F(x)P(X