x服从正态分布,Y=aX b,则pxy为多少

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

你好！定理是当X与Y独立时，X+Y服从正态分布，而当X与Y不独立时，X+Y不一定服从正态分布。经济数学团队帮你解答，请及时采纳。谢谢！

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

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

令x,N（0,1）x=1/根号（2π）*exp(-x^2/2)y=1/根号（2π）*exp(-y^2/2)x平方=1/（2π）*exp(-x^2)y平方=1/（2π）*exp(-y^2)由于x+y=1

设Y的分布函数为F(y),X的密度函数为g(x)则F(y)=P(Y

Cov(Y,X)=Cov(2X^2+X+3,X)=2Cov(X^2,X)+Cov(X,X)+0Cov(X,X)=Var(X)=1Cov(X^2,X)=E(X^2X)-E(X^2)E(X)=E(X^3)

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

Y=(X+3)/2由X~N(-3,4)知,μ=-3,σ=2.则Y=(X-μ)/σ=(X+3)/2服从标准正态分布N(0,1)

YN(0,1)则：EY=aEX+b=aμ+b=0DY=a²DX=a²σ²=1a=1/σb=-μ/σ或者将X标准化Y=aX+b=X-μ/σN(0,1)判断出a=1/σb=-

E（X)=0,D(X)=E(X^2)=1,E(X^3)=0E(X^4)=3E(Y)=2*E(X^2)+E(X)+3=5E(XY)=2*E(X^3)+E(X^2)+3*E(X)=1E(Y^2)=4*E(

首先,什么叫二维正态分布.2个高斯随机变量放在一起,叫高斯向量.何为2维,指的是两个向量关于实数域线性无关.(等价于covariance非退化)现在已知(U,V)线性无关,问经过一个线性变换后是否相关

回答：设他们的概率密度分别是f(x)和f(y),分布函数分别是F(x)和F(y).那么f(x=1)≠f(y=3).注意不等号“≠”.但是F(x=1)=F(y=3).注意等号“＝”.一个变量X的概率“密

应该是相等的再问：求计算过程再答：计算过程，，，u是对称轴，X的西格玛是4，所以，p表示小于u-西格玛的概率。同理，q表示大于u+西格玛的概率。每一个正态曲线的大于u+西格玛，u+2西格玛，u+3西格

因为E(X-Y)=E(X)-E(Y)=0,var(X-Y)=var(X)+var(Y)=1.

1.独立的正态分布的联合分布也服从正态分布.2.没关系.3.去掉独立后,结论不成立.4.由分布密度来判断是否是二维正态分布.

卡方分布

(u1+u2,σ1^2+σ2^2)^代表平方哈,这是正态分布的可加性吧再问：那X-Y呢？谢谢你啊，要考试了其实是想知道X+Y与X-Y的方差相不相等。麻烦帮个忙再答：相等的，当X，Y不独立，D(X+(或

1fX(x)=(1/√2π)e^(-x^2/2)fY(y)=(1/√2π)e^(-y^2/2)因为x,y独立,所以联合概率密度所以fXY(x,y)=fX(x)fY(y)=(1/2π)e^[-(x^2+

当X~N（μ,σ）时,E(X)=μ,D(X)=σ²所以E(Y)=aE(X)+b=aμ+b,D(Y)=a²E(X)=a²σ²