都服从指数为1 2的指数分布,收敛于1 2

来源:学生作业帮助网 编辑:作业帮 时间:2024/05/30 15:22:58
都服从指数为1 2的指数分布,收敛于1 2
急设随机变量X服从指数为A的指数分布,且E(3X^2+X-26)=0,求D(3X-5)主要是想知道E(3X^2+X-26

E(3X^2+X-26)=3*E(X^2)+E(X)-26;E(X)=1/A,D(X)=1/A^2E(X^2)=(E(X))^2+D(X);D(3X-5)=9*D(X)化简,A=0.5;D(X)=1/

大学概率论:设X,Y相互独立,都服从参数为2的指数分布,则P(X

解 实际上本题就是不用计算也能得出所求的概率为1/2.因为X和Y是相互独立的,且服从相同的分布,联合密度是边缘密度之积,由对称性可得X<Y的概率一定是1/2.当然X>Y的概率也是

设随机变量x与y相互独立,都服从参数为1的指数分布,求P{X

对参数为入1,入2的两个指数分布X1,X2P(X1>X2)=入1/(入1+入2)1/(1+1)=1/2E(a),E(b)为例P(X>Y)∫(0~)∫(0~y)abe^(-ax-by)dxdy=∫(0~

X,Y相互独立.他们都服从标准正态分布N(0,1).证明Z=X^2+Y^2服从λ=1/2的指数分布

有没有学过特征函数?没有的话很难解释...第一问服从自由度为2的卡方分布,也就是Gamma(1,1/2)分布,写出密度函数就是指数分布第二问用正态分布线性组合性质直接就有了,用特征函数很好解释

概率论习题随机变量X服从(1,2)均匀分布,X=x时,Y服从以x为参数的指数分布,求证XY服从以1为参数的指数分布

设z=xyf(z)=f(z|x)f(x)=f(y|x)f(x)得证第二步应该是x已知为常数,所以分布密度.

随机变量X服从参数为2的指数分布,随机变量Y服从参数为4的指数分布,求E(2X^2+3Y)=多少?

对于X有:DX=1/4EX=1/2所以EX²=DX+(EX)²=3/4对于Y有EY=1/4所以E(2X²+3Y)=2EX²+3EY=9/4注:各个版本教材对指数

设随机变量X与Y相互独立,且都服从参数为1的指数分布,求Z=2X+2Y的密度函数

把他们各自的密度函数写出来再一加就是e^-2(e^x-e^y)

设随机变量X服从参数为2的指数分布,证明Y=e^-2X服从U(0,1)

解法的要点如下图,先找出分布函数的关系.经济数学团队帮你解答,请及时采纳.谢谢!

设指数变量x服从指数分布,且p{x>1000}=0.01,求概率p{x

参数为k的指数分布的分布函数为:F(x)=1-e^(-kx)x>0F(x)=0其它.由已知,p(x>1000)=0.01,得:p(X

求服从参数为1/3的指数分布的随机变量X的分布函数

概率密度f(x)=1/3e^(-x/3),x>00,x≤0分布函数F(x)=∫1/3e^(-x/3)dx=1-e^(-x/3),x>0【从0积分到x】0,x≤0

指数分布的数学期望 已知X服从参数为1的指数分布 Y=X+e^(-2X) 求EY与DY

提示:EY=E(X+e^(-2X))=EX+E(e^-2X)前面的EX=1,后面的式子根据期望的定义式.求出不理解,可以继续提问再问:指数的f(x)是什么?再答:x>0时f(x)=e^xx

设随机变量X服从参数λ 为的指数分布,则概率 P(X>EX)?

X服从参数λ为的指数分布,则:EX=1/λ,X有分布函数:F(x)=1-e^(-λx),x>=0;于是P(X>EX)=1-P(X

设随机变量X服从参数为λ的指数分布,则P{X>DX}

由题设,X服从参数为λ的指数分布,知:DX=1λ2,λ>0,于是:P{X>DX}=P{X>1λ}=∫+∞1λλe−λxdx=−e−λx| +∞1λ=1e.

概率指数分布家设随机变量X服从参数为λ的指数分布,且X落入区间(1,2)内的概率达到最大,则λ=?

X落入区间(1,2)内的概率P=积分(1-->2)λe^(-λx)dx=e^(-λ)-e^(-2λ)概率达到最大-->dP/dλ=0-->λ=ln2

设随机变量X服从参数为3的指数分布,试求:

(1).f(x)=3e^(-3x),x>0;f(x)=0,其他.y1时,FY(y)=P(Y

设x1…xn为相互独立的随机变量,且每一个都服从参数为λ的指数分布,试证:(1)2λxi~χ²(

主要是利用分布函数的对立事件,Fz(Z)=F(min{X1,X2,...Xn}≤z),最小的小于等于z,我们不好确定其它变量和z的关系,采用它的对立事件=1-F(min{X1,X2,...Xn}≥z)

设随机变量服从参数为5的指数分布,则它的数学期望值为多少

0.21/λ=1/5=0.2根据0—1分布,数学期望p方差p(1-p);二项分布(贝努里概型),数学期望np方差np(1-p);泊松分布,数学期望λ方差λ;均匀分布,数学期望(a+b)/2方差[(b-