已知（X，Y）服从二维正态分布，EX=EY=μ，DX=DY=σ2，X与Y的相关系数ρ=0，则X与Y（ ）A．独立且有相
已知（X，Y）服从二维正态分布，EX=EY=μ，DX=DY=σ2，X与Y的相关系数ρ=0，则X与Y（ ）A．独立且有相同的分布B．独立且有不相同的分布C．不独立且有相同的分布D．不独立且有不相同的分布
∴X～N（μ，σ2），Y～N（μ，σ2），即X与Y具有相同的正态分布；
二维正态分布中，ρ为相关系数，实际上有如下性质：
对于二维正态分布，ρ=0?X与Y相互独立?X与Y不相关．
故答案选：A．
随机变量X,Y服从二元正态分布,EX=EY=1,DX=DY=4,X和Y的相关系数为0.5,P...
P(X-Y>2)=1-O(1)=0.1587
两个独立正态分布的随机变量X与Y的相关系数为0
X-Y~N(μ1-μ2，σ1^2+σ2^2)E(X+Y)=μ1+μ2 E(X-Y)=μ1-μ2 E(X)=μ1 DX=σ1^2 E(Y)=μ2 DY=σ2^2 EX^2=DX+(EX)^2=σ1^2+μ1^2 EY^2=DY+(EY)^2=σ2^2+μ2^2 COV(X+Y，X-Y)=E(X+Y)E(X-Y)-E[(X+Y)(X-Y)]=0 ρ‘=COV(X+Y，...
...by,且ab不等于0,试求u和v的相关系数ρ(x>y)
就是书上的公式，详情如图所示
设二维随机变量(X,Y)的概率密度函数为xe^-y ,0<x<y 其他为0 求(X,Y...
当0<x<y时,F(x,y)=P(X<=x,Y<=y)=∫∫xe^(-y)dxdy=∫(0,x) xdx∫(x,y) e^(-y)dy=1-(x+1)e^(-x)-x^2\/2*e^(-y)当0<y<x时,F(x,y)=P(X<=x,Y<=y)=∫∫xe^(-y)dxdy=∫(0,y) xdx∫(x,y) e^(-y)dy=1-(y+1)e^(-y)-y^2\/2*e^(-y)当x,y取其它值...
设二维随机变量(X,Y)服从二维正态分布,,求(X,Y)的联合概率密度函数f...
套公式即可.σ1^2=DX=16,σ2^2=DY=25.ρ=Cov(X,Y)\/(σ1σ2)=0.6,√(1-ρ^2)=0.8.f(x,y)=（1\/32π）e^{(-25\/32)[x^2\/16-3xy\/50+y^2\/25]}
概率论正态分布dx^2
答案是32，详情如图所示
f分布的期望与方差
f分布的期望与方差如下：F分布是统计学中一种重要的分布，用于描述两个正态分布变量之间的比例关系。具体来说，设X和Y分别服从正态分布N(μ1, σ1)和N(μ2, σ2)，且X和Y的相关系数ρ=0，那么X\/Y的分布就是F分布，记为F(n1, n2)，其中n1和n2分别是X和Y的自由度。对于F分布，期望和...
...什么条件才能服从新的二维正态分布 例如 X,Y服从二维正态分布...
X,Y服从正态分布的话，那么只要变化系数行列式不为0，那么新的线性变化依然服从二维正态分布。因为，如果变化系数不为零，那么所以存在可逆矩阵T，使得（U，V）=T （X，Y）（U，V）服从二维正态分布，所以（X，Y）的概率密度函数可由（U，V）的概率密度函数经非退化变换得到，也是二维正态分布的...
设随机变量(x,y)服从二维正态分布,概率密度为f(x,y)=(1\/2pi)*exp...
概率密度为f（x,y）=(1\/2pi)*exp[-1\/2*(x^2+y^2)---.x,y相互独立,且为标准正态分布，故(x^2+y^2)服从自由度为2的卡方分布，E(x^2+y^2)=2
已知两个随机变量x,y都服从正太分布,u=ax+by v=cx+dy 什么情况下他们的...
算u与v的相关系数,,当相关系数不是正负1的时候,他们就服从二维的正态分布
