1樓：匿名使用者
解題過程如下圖：
單純的講概率密度沒有實際的意義，它必須有確定的有界區間為前提。可以把概率密度看成是縱座標，區間看成是橫座標，概率密度對區間的積分就是面積，而這個面積就是事件在這個區間發生的概率，所有面積的和為1。所以單獨分析一個點的概率密度是沒有任何意義的，它必須要有區間作為參考和對比。
由於隨機變數x的取值 只取決於概率密度函式的積分，所以概率密度函式在個別點上的取值並不會影響隨機變數的表現。更準確來說，如果一個函式和x的概率密度函式取值不同的點只有有限個、可數無限個或者相對於整個實數軸來說測度為0（是一個零測集），那麼這個函式也可以是x的概率密度函式。
2樓：匿名使用者
下圖是求最小值分佈的一般做法，你把指數分佈的分佈函式與概率密度代入就可以了。
設隨機變數x與y相互獨立,且x~u(0,2),y服從引數為3的指數分佈,則e(xy)=?
3樓：假面
x~u(0,2)， e(x)=(0+2)/2=1y服從引數為3的指數分佈，e(y)=1/3隨機變數x與y相互獨立，e(xy)=e(x)*e(y)=1*(1/3)=1/3
指數分佈與分佈指數族的分類不同，後者是包含指數分佈作為其成員之一的大類概率分佈，也包括正態分佈，二項分佈，伽馬分佈，泊松分佈等等。
如果一個隨機變數呈指數分佈，當s,t>0時有p(t>t+s|t>t)=p(t>s)。即，如果t是某一元件的壽命，已知元件使用了t小時，它總共使用至少s+t小時的條件概率，與從開始使用時算起它使用至少s小時的概率相等。
設隨機變數x與y相互獨立，且分別服從引數為1與引數為4的指數分佈，則p｜x＜y｜＝( )．
4樓：墨汁諾
x和y的聯合概率密度函式p(x,y)=p(x)p(y)=exp(-x) * 4 * exp(-4x)
p{x[0, 正無zhi窮], y->[x, 正無窮])=intergal(-exp(-5x), x->[0, 正無窮])=1/5
^對引數為 入1，入2的兩個指數分佈x1,x2p(x1>x2)=入1/(入1+入2)
1/(1+1)=1/2
x~e(a),y~e(b)為例
p(x>y)
∫(0~)∫(0~y)abe^zhi(-ax-by) dxdy=∫(0~) (1-e^(-ay))be^(-by) dy=(1-e^(-by))+b(e^(-a-b)y)/(a+b) |dao(0~)
=1+0-(0+b/(a+b))
=1-b/(a+b)
=a/(a+b)
同理p(x=b/(a+b)
已知隨機變數x，y相互獨立，且p(x=1)=p(x=-1)=½，y服從引數為λ的泊松分佈，z=xy
5樓：快士達
解： e（y）=e（e^x) =∫（0到2）【xe^x/4】dx =1/4∫（0到2）【xe^x】dx =1/4∫（0到2）【x】de^x =1/4xe^x|（0到2）-1/4∫（0到2）【e^x】dx =e2/2-1/4(e2-e^0) =e2/4+1/4 d(y)可能下一週才學呀，讓我看看書先有公式 d（x）=e（x2）-[e(x)]2 於是 d（y）=e(y2)-[e(y)]2=e-[e(y)]2=e(e^2x)-[e(y)]2 求e(e^2x) e(e^2x)=∫（0到2）【xe^2x/4】dx =1/8∫（0到2）【2xe^2x】dx =1/8∫（0到2）【x】de^2x =1/8xe^x|（0到2）-1/8∫（0到2）【e^2x】d2x =e^4/4-1/8(e^4-e^0) =e^4/8+1/8 於是 d（y）=e(e^2x)-[e(y)]2 =e^4/8+1/8-（e2/4+1/4）2 =（e2-1）2/16
6樓：秋瑤阿
（1）：
cov（x,z）=cov（x,xy）=ex²y-exexy=ey=λ（2）：
p（z=k）=（x·y=k）=p（xy=k丨x=1）p（x=1）+p（xy=k丨x=-1）p（x=-1）
=p（xy=k,x=1）+p（xy=k,x=-1）=p（y=k,x=1）+p（y=-k,x=-1）=½p（y=k）+½p（y=-k）
隨機變數x與y相互獨立，且都服從引數為1的指數分佈， 這句服從引數為1的指數分佈是什麼意思啊
7樓：111111前的
引數為1的指數分佈是指指數分佈f(x)=λexp(-λx)中λ=1；
若f(x)=λexp(-λx)，則稱x服從引數為λ的指數分佈。其中λ > 0是分佈的一個引數，常被稱為率引數（rate parameter）。即每單位時間內發生某事件的次數。
指數分佈的區間是[0,∞)。 如果一個隨機變數x呈指數分佈，則可以寫作：x~ e（λ）。
概率密度函式如下：
設隨機變數X和Y相互獨立，U X Y,V X Y,則U和V必定
不獨立u x y,v x y 顯然。u包含v,則 p uv p v p u p v e uv e x y x y e x 2 y 2 e x 2 e y 2 e u e v e x y e x y e x 2 e y 2 不一定相關，也不一定不相關 a 不獨立 u v x 所以不獨立 樓上的解釋不是...
設隨機變數X，Y相互獨立，且都服從0，1上的均勻分佈，求X Y的概率密度利用卷積公式解答
薔祀 擴充套件資料 卷積定理指出，函式卷積的傅立葉變換是函式傅立葉變換的乘積。即，一個域中的卷積相當於另一個域中的乘積，例如時域中的卷積就對應於頻域中的乘積。f g x f x f g x f f x 其中f表示的是傅立葉變換。這一定理對拉普拉斯變換 雙邊拉普拉斯變換 z變換 mellin變換和ha...
設隨機變數x的概率密度為f x，設隨機變數X的概率密度為f x 1 1 x032 ,則2X的概率密度為
果果和糰子 fy y 0 首先求y的分佈函式fy y fy y p p p fx y 3 2 所以y 2x 3的概率密度為 fy y fx y 3 2 y 3 2 y 3 4 1 2 y 3 8 3 y 19 y 3 8 3 y 19 故fy y 0 聊慶赫連含煙 設隨機變數x的概率密度為f x 2...