所以，aX-bY均值为 aμx-bμy，方差为：（aσx）^2+（bσy）^2。也由此可以证明，X,Y服从正态分布，则aX-bY也服从正态分布，其中a与b是实数。
特别的，当X，Y是两个相互独立的随机变量，上式中右边第三项为0（常见协方差 则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况。（4）D(X)=0的充分必要条件是X以概率为1取常数值c，即P{X=c}=1，其中E(X)=c。（5）D(aX+bY)=a²DX+b²DY...
首先,我们需要明确方差(Variance)的定义。对于随机变量X,其方差定义为: ( \text{Var}(X) = E[(X - E[X])^2] ) 其中,( E[X] ) 是X的期望(均值)。 现在,我们考虑随机变量 ( d(ax - by) ),其中d, a, b是常数,x和y是随机变量。 求期望: ( E[d(ax - by)] = d(aE[x] - bE[y]...
结果1 结果2 题目方差D(ax-by )等于什么 相关知识点: 试题来源: 解析 D(ax-by )=a^2D(X 结果一 题目 方差D(ax-by )等于什么 答案 D(ax-by )=a^2D(X)+b^2D(Y)-2abCov(X,Y). 相关推荐 1 方差D(ax-by )等于什么 反馈 收藏 ...
随机变量 d(ax-by) 的方差计算方法如下：1、计算 x 和 y 的方差，分别表示为 Var(x) 和 Var(y)。2、计算 x 和 y 的协方差 Cov(x,y)。3、将 Var(x)、Var(y) 和 Cov(x,y) 代入上述公式，计算出 d(ax-by) 的方差。
正态分布之间的加减这样的线性计算，包括自己本身乘以一个常数，不会影响其正态分布的性质，所以aX-bY还是服从正态分布。看是否独立，也就是X和Y之间的协方差是否为0。如果X和Y独立，且各自的均值为μx和μy，那么合并后的均值为 aμx-bμy 方差为：（aσx）^2+（bσy）^2 如果X和Y不独立...
D（ax-by ）=a^2D(X)+b^2D(Y)-2abρ(x,y)D(X) D(Y)这里的ρ(x,y)是随机变量X，Y之间的相关系数。
如果两个随机变量X与Y独立，则D(aX+bY)=D(aX)+D(bY)=(a^2)D(X)+(b^2)D(Y)。如果两个随机变量X与Y独立，则D(aX+bY)=D(aX)+D(bY)+2abcov(X,Y)=(a^2)D(X)+(b^2)D(Y)+2abρ{√D(X)}{√D(Y)}，其中ρ是X与Y的相关系数。
（1）COV(X，Y)=COV(Y，X)；（2）COV(aX，bY)=abCOV(X，Y)，（a，b是常数）；（3）COV(X1+X2，Y)=COV(X1，Y)+COV(X2，Y)。由协方差定义，可以看出COV(X，X)=D(X)，COV(Y，Y)=D(Y)。协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用...
μ的无偏估计为aX+bY则E(aX+bY)=μ抽取的容量为n1和n2的两个独立样本.则EX=EY=μE(aX+bY)=aEX+bEY=μ即:a+b=1μ的无偏估计aX+bY的方差为:D(aX+bY)=a^2DX+b^2DY=(a^2+b^2)σ2因为a+b=1则由重要不等式:a^2+b^2>=(a+b)^2/2=1/2则D(aX+bY)=(a^2+b^2)σ2=σ2/2...