设X与Y互相独立,且服从相同的分布N(u,),试证明:E[max(X,Y)]=-搜答案-搜搜考试网

这个只是一种简便写法.其实可以看到,如果x>y,那么(1/2)(x+y-|x-y|)=(1/2)[x+y-(x-y)]=y如果x

max{X,Y}≤1实际上就等价于X和Y都小于等于1,而随机变量X与Y互相独立,于是P(max{X,Y}≤1)=P(X≤1)*P(Y≤1)而X和Y均服从区间[0,3]上的均匀分布故P(X≤1)=P(Y

X服从B(n,p)二项分布D（X）=np(1-p)Y服从参数为3的泊松分布D（Y）=3X与Y相互独立D（X+Y）=D（X）+D（Y）D（X+Y）=np(1-p)+3解毕

fx(x)=λe^(-λx)f(x,y)=λ²e^(-λx-λy)z-x>0,z>xfZ(z)=∫(-∞,+∞)f(x,z-x)dx=∫(-∞,+∞)f(x,z-x)dx=∫(0,z)λ&#

1/（PI）^O.5

(1)由已知,f(x)=1,(0

密度函数f(x)=1,0

由于:P(X=0,Y=0)=P(X=1,Y=0)=P(X=0,Y=1)=P(X=1,Y=1)=1/4.P(Z=1)=P(X=1,Y=0)+P(X=0,Y=1)+P(X=1,Y=1)=3/4.P(Z=0

这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明

要用到微积分吗?具体公式给下回答：=Σ（3^I*e^(-3)I/I!）(3^(K-I)*e^(-3)I/(K-I)!）=Σ（3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!）=Σ[

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独立的正太分布,所以他们的线性组合仍是正态分布D(X-Y)=DX+DY=1E(X-Y)=EX-EY=0所以有如题结果

随机变量X与Y相互独立,那么D(X-2Y+3)=DX+2²*DY而X～B(16,0.5),Y服从参数为9的泊松分布所以DX=16*0.5*(1-0.5)=4,而Y的方差就等于泊松分数的参数,

X与Y互相独立所以ρ=0

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.

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.

由已知X服从均值为1、标准差（均方差）为2的正态分布，所以X−12～N（0，1），E（X）=1，D（X）=2；由Y服从标准正态分布，所以：Y～N（0，1），E（Y）=0，D（Y）=1；又X、Y相互独立

解:设随机变量X的密度函数是:f(x),随机变量Y的密度函数是:f(y)因为他们互相独立,所以可以知道他们的联合密度函数:f(x,y)=f(x)*f(y)又f(y,x)=f(y)*f(x)所以f(x,