试证明:若(x,y)服从二维正态分布,则x,y独立的充要条件是xy不相关

X,Yarenormaldistributed,sothatX+Y,X-Yareparewiseindependentiffcov(X+Y,X-Y)=0,namelycov(x,x)+cov(X,Y)

p=0,所以x,y独立,Exy^2=ExEy^2,Ex=u,Ey^2=u^2+σ^2,所以Exy^2=u^3+uσ^2

F(X)=(X-0)/(1-0)=x/1=xF(Y)=(Y-0)/(1-0)=y/1=y以上是两个均匀分布的分布函数F(Z)=F(MAX(X,Y))=1-(1-F(X))(1-F(Y))=1-（1-X

我假设x和y是独立的啦是不是漏写了Fx(x)=x-1.Fy(y)=(y-1)/2P(zt)=1-P(min(x,y)>t)=1-P(x>tandy>t)=1-P(x>t)P(y>t),（根据独立性）=

因为二维随机变量（X,Y)在区域D上服从均匀分布,所以当(x,y)∈D时,概率密度f(x,y)为区域D的面积的倒数,当(x,y)不在D内时,f(x,y)为0因为D:0

套公式即可.σ1^2=DX=16,σ2^2=DY=25.ρ=Cov(X,Y)/(σ1σ2)=0.6,√(1-ρ^2)=0.8.f(x,y)=（1/32π）e^{(-25/32)[x^2/16-3xy/

f(x)=[(50pi)^(-1/2)]e^(-x^2)f(y)=[(50pi)^(-1/2)]e^(-y^2)f(x,y)=f(x)f(y)X与Y相互独立.再问：这样好像不对吧，有解题过程吗？再答：

不独立的话,函数形状在三维空间就不是那种草帽型扩散的函数相互独立联合密度里新的指数是-{(x-u1)^2/o^1+(y-u2)^2/o2^2}(x,y)在圆心为(u1,u2),双轴比例为o1,o2的所

X的概率密度g(x)=∫[-∞,+∞]f(x,y)dy=1/(5√2π)*e^(-x^2/50).Y的概率密度h(y)=∫[-∞,+∞]f(x,y)dx=1/(5√2π)*e^(-y^2/50).f(

X,N（0,0,1,1,0）说明X,Y独立同分布N（0,1）fX(x)=φ(x).P（X+Y0)=P(X>0,Y>0)+P(X

f(x,y)~(u1,u2,σ1²,σ2²,ρ)其中u1=0,u2=0,σ1²=16,σ2²=25,ρ=Cov(x,y)=12把数字代入即可.再问：这个公式好长

C啊~这是概率论第四章的啊~不相关就是协方差为0~然后逆推到D(X)=D(Y)就可以导来了

首先,什么叫二维正态分布.2个高斯随机变量放在一起,叫高斯向量.何为2维,指的是两个向量关于实数域线性无关.(等价于covariance非退化)现在已知(U,V)线性无关,问经过一个线性变换后是否相关

z由x与y表示,x、y服从二维正态分布,从而x、z服从二维正态分布.对于二维正态分布来讲,不相关与独立是等价命题,所以由不相关直接推出两者独立.

回答：区域D为一正方形,面积为2.故f(x,y)=1/2,x,y位于D内.于是,fX(x)=∫{-∞,∞}f(x,y)dy=1+x,x≤0;1-x,x>0.fY(y)=∫{-∞,∞}f(x,y)dx=

画出图形,对x积分得到fY(y),画一条水平线交圆于2点,其横坐标分别是-√R^2-y^2,√R^2-y^2,也就是积分上下限.对y积分可得到fX(x).同理画一条垂直线交圆于2点,纵坐标分别是-√R

图就不画了.在直角坐标系中,G表示的区域为x轴、y轴、x=1、y=1围成的正方形区域,面积=1P表示的区域为x轴、y轴、直线y=-x+1围成的三角形区域,面积=1/2P{x+y

答: f(z) = 1-(z/2), 0<z<2; =0, 其它.证明一(阶跃函数法): 先回忆一下阶跃函数的定义:&

(x,y)与圆心距离为：d=√(x²+y²)E(d)=1/(πR²)∫∫√(x²+y²)dxdy极坐标=1/(πR²)∫∫r²dr

/>答案是B.X,Y分别是随机变量,(X,Y)是一个把样本空间映射到实数平面的函数.它是一个二维随机变量.D是错误的.A,B,C的区别在于(X,Y)的分布是不是二维正态分布.我们只需举两个例子就可以说