独立。是指X1的取值不影响X2的取值，X2的取值也不影响X1的取值，同理可得平方运算后的各变量之间，所以是独立的。变量来源于数学，是计算机语言中能储存计算结果或能表示值的抽象概念。变量可以通过变量名访问。在指令式语言中，变量通常是可变的；但在纯函数式语言（如Haskell）中，变量可能是不可变的。
所以：f1(x1) ：λ = 2，E(X1) = 1/λ = 1/2 f2(x) ：λ = 4 ，E(X2) = 1/λ = 1/4 ，D(x2) = 1/λ^2 = 1/16 E(X2^2) = D(X2) + [E(X2)]^2 = 1/16-1/16 = 1/8 1）E(X1+X2) = E(X1)+E(X2) = 3/4 2）E(2X1 - 3X2^2) = 2*E...
=0 所以，X1+X2，X1-X2互不相关，X1+X2与X1-X2都服从正态分布，且互不相关，所以，X1+X2与X1-X2相互独立！
设随机变量X1,X2相互独立,且X1,X2的概率密度分别为f1(x)=2e^-2x,x>0 0其他f2(x)=3e^-3x,x>0 0 其他 求E(2X1-3X2^2)
x1+x2和x1-x2是相互独立的。原题：若x1，x2服从标准正态分布，x1+x2与x1-x2是否相互独立。答案解析：Cov(X1+X2，X1-X2)= Var(X1)-Cov(X1，X2)+Cov(X1，X2)-Var(X2)= Var(X1)-Var(X2)= 0，所以X1+X2和X1-X2不相关.如果(X1，X2)的联合分布是二维正态分布，那么有X1+X2...
一般来说不独立。X1和X2独立,则Cov(X1,X2)=0所以Cov(X1,X1+X2)=Cov(X1,X1)+Cov(X1,X2)=Cov(X1,X1)=D(X1)一般D(X1)不等于0,所以Cov(X1,X1+X2)不等于0所以X1与X1+X2相关,不独立。当然,如果D(X1)=0,那么X1是个常数(严格的说,几乎处处是个常数)。那当然X1与X1+X2独立。。。 结果一 题...
由题意，知 X_1~E(2),X_2~E(3)，所以 E(2X_1-3X_2^2)=2EX_1-3E(X_2^2)=2*1/2-3*(1/9+1/9)=1/3.注：指数分布E(a),a>0的期望为1/a,方差1/(a^2)
使用x1对x2做回归，得到残差e1 使用y对e1做回归，得到的系数就是b1的系数 由于x1和x2独立，所以第一...
使用x1对x2做回归，得到残差e1 使用y对e1做回归，得到的系数就是b1的系数 由于x1和x2独立，所以第一...
不一定的，你的那个题目我帮你理理思路：（1）X是正态总体，所以X1、X2相互独立，课本上有定理（这个结论很明显）：相互独立的两个一维正态随机变量，是可以形成二维正态随机变量的；（2）(X1，X2)是二维正态随机变量了，后面都可以串起来了！