X代表是变量,(比如扔骰子出现的点数),而Y轴表示的是改变量出现的概率密度,对正态分布积分就是1 正态分布(Normal distribution),也称“常态分布”,又名高斯分布(Gaussian distribution),最早由棣莫弗(Abraham de Moivre)在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普...
解析 正态分布有一个性质是“独立和不相关等价” 原题说x,y独立,所以他们相关系数是0;又因为Cov(x,y)=E(xy)-ExEy,原题的结论显然. 分析总结。 互相独立的xy服从正态分布为什么它们各自的数学期望乘积等于他们乘积的数学期望结果一 题目 互相独立的x,y服从正态分布,为什么它们各自的数学期望乘积等于他们乘积...
因为X和Y分别独立服从N（0,1）和N（1,1），所以X+Y服从N（1,2），其中均值是两者均值和，方差是两者方差和。正态分布以x=μ为对称轴，μ表示其均值，很显然落在对称轴左右两边的概率各位1/2，这也就是公式的几何意义。由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值...
首先我来解释一个问题，就是两个正态分布X,Y，并不一定是联合正态分布，比如：那么需要加什么条件呢...
若X,Y均为正态分布,那么X与Y的联合分布是怎样的 答案 嘎嘎,我的概率刚复习完,啦啦啦.首先要看X和Y是否相互独立,不独立的话就是一个2重积分:被积函数为这两个函数的概率密度函数的乘积再乘以xy;独立的话,这个2重积分等价于这两个函数的边缘分布函数的乘积.相关推荐 1若X,Y均为正态分布,那么X与Y的联合...
X服从一个数学期望为μ、方差为σ^2的正态分布。正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近...
其中\mu_{1},\mu_{2},\sigma_{1},\sigma_{2},\rho都是常数,我们称(X,Y)服从参数为\mu_{1},\mu_{2},\sigma_{1},\sigma_{2},\rho的二维正态分布,常把这个分布记作N(\mu_{1}, \mu_{2}, \sigma_{1}^{2}, \sigma_{2}^{2}, \rho).\mu_{1},\mu_{2},\sigma_{1},\sigma...
因为这是正态分布的性质之一：如果X和Y服从：是统计独立的正态随机变量，那么：X和Y的和也满足正态分布：X和Y的差也满足正态分布 U与V两者是相互独立的。（要求X与Y的方差相等）。
答案 只有当(X,Y) 服从二维正态分布时,X与Y不相关-> X与Y独立,本题仅仅已知X和Y服从正态分布,因此,由它们不相关推不出X与Y一定独立相关推荐 1关于正态分布的问题随机变量X和Y均服从正态分布,则X和Y不相关与独立等价.这句话对吗,为什么?反馈 收藏 ...