已知X服从均匀分布,求Y=aX b的密度函数

来源:学生作业帮助网 编辑:作业帮 时间:2024/11/10 21:19:49
已知X服从均匀分布,求Y=aX b的密度函数
已知(X,Y)服从G={(x,y):0≤x≤2,0≤y≤1}上均匀分布,求Z=X/Y的分布函数和密度函数

直接用公式就行,难点在于被积函数的区域中 dy的范围;0≤y≤1与y≤2/z(第二个不等式由Z=X/Y得x=yz代入0≤x≤2得到的)由这两个不等式在(z,y)平面上画出图形,就会得到dy的

已知随机变量X与Y相互独立,均服从【0,1】上的均匀分布,求Z=min{x,y}的概率密度

F(z)=1-(1-Fx(z))(1-Fy(z))=1-(1-z)^2(0再问:能不能讲讲详细思路?再答:书上有公式,多维随机变量及其分布这一章,两个随机变量的函数分布这一节(0,1)上的均匀分布Fx

设x服从正态分布,Y服从均匀分布u(-h,h),x,y相互独立,求z=x+y的概率密度函数

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

设随机变量X,Y相互独立,X服从λ=5的指数分布,Y在[0,2]上服从均匀分布,求概率P(X≥Y)

XY相互独立,那么XY联合分布密度f(x,y)=fx(x)*fy(y)fx(x)=5e^(-5x)fy(y)=1/2P(X>=Y)=∫∫f(x,y)dxdy=∫(0,2)1/2∫(y,∞)5*e^(-

二维随机变量X,Y服从(0,1)均匀分布,求Z=MAX(X,Y)

F(X)=(X-0)/(1-0)=x/1=xF(Y)=(Y-0)/(1-0)=y/1=y以上是两个均匀分布的分布函数F(Z)=F(MAX(X,Y))=1-(1-F(X))(1-F(Y))=1-(1-X

随机变量X服从[0,π/2]上的均匀分布,Y=cosX,求Y的概率密度

X服从[0,π/2]上的均匀分布故fx(x)=2/πFy(y)=P(Y

设随机变量x服从(0,1)上的均匀分布,Y=e^x 求y的数学期望 和 方差

楼上方差错了方差(x*(e^x-1)^2在(0,1)上的积分)

X与Y独立,且X服从(0,1)上的均匀分布,Y服从参数为1 的指数分布,求Z=X+Y的概率密度?

有卷积公式啊,fz(z)=[fx(Z-Y)fy(y)dy其中[表示积分号,积分区域是整个定义域对于这个题,代入上式fz(z)=[1*e的-y次方dy积分区域是0到1,积分出来等于1,在其他范围内是0,

X与Y独立,且X服从(0,1)上的均匀分布,Y服从参数为1 的指数分布,求P{X=min(X,Y)}

令Z=min(X,Y),则:P{Z=min(X,Y)>z}=P{X>z,Y>z}=P{X>z}*P{Y>z}易知:P{X>z}=1-z(0==0)所以:P{Z=min(X,Y)>z}=[1-z]*[1

相互独立随机变量X与Y都服从[0,1]上的均匀分布,求Z=X-Y密度函数

先求分布函数,其中Z的取值范围[-1,1],应该要分类讨论

随机变量X与Y独立,且X服从[0,2]上均匀分布,Y服从r=2的指数分布,求概率P{X

因为x与Y独立所以联合分布是两者分布的乘积P{X

概率论均匀分布.设随机变量X,Y互相独立,且都服从[1,3]上的均匀分布,记事件A={Xa},已知P{AUB}=7/9,

A和B是独立的,所以A发生与否和B没有直接关系,P{AUB}表示{Xa}发生的概率.只有当B事件改为B={X>a}时,AUB才为整体,P{AUB}=1.

设随机变量X服从区间为[1,3]上的均匀分布,且Y=2X+1,求D(Y).

由方差的性质:D(Y)=D(2X+1)=4DX,而均匀分布的方差:DX=(3-1)^2/12=4/12=1/3故:D(Y)=4/3这个题是方差的性质与均匀分布的方差的应用,要熟练掌握.

设随机变量x服从【0,1】上均匀分布,求Y=e^x的概率密度!

FY(y)=P{Y小于等于y}=P{e*X小于等于y}=P{X小于等于lny}=FX(lny)fY(y)=fX(lny)(1/y)所以当0

已知随机变量X服从在区间(0,1)上的均匀分布,Y=2X+1,求Y的概率密度函数.

由题,设Y的概率密度为fY(y),分布函数为FY(y),由于X在区间(0,1)上的均匀分布∴Y=2X+1∈(1,3)∴对于任意的y∈(1,3),有FY(y)=P{Y≤y}=P{2X+1≤y}=P{X≤

设随机变量X与Y独立,X服从正态分布N(μ,σ^2 ),Y服从[-pi,pi]上的均匀分布,求Z=X+Y的密度函数

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)