XY相互独立且服从正态分布 X-Y

A-YN(-1,2)X-YN(0,2+2)=N(0,4)(X-Y)/2N(0,4/2^2)=N(0,1)选A再问：虽然看懂了...不过可以这么做的依据是什么啊？就是说，为什么可以对XY做运算？再答：这

D再问：?

P{max（X，Y）≥0}=1-P{max（X，Y）＜0}=1-P{X＜0，Y＜0}由于随机变量X与Y相互独立，所以：P{max（X，Y）≥0}=1−P{X＜0}P{Y＜0}＝1−Φ2(0)＝34．故

问题1你计算一下Z的期望和方差就行因为正态分布两个参数的意义就是期望和方差,所以问一个随机变量是什么杨的正态分布其实就是问他的期望和方差是多少的问题问题2方差的性质如果XY相互独立则D（aX+bY）=

Z的分布叫做瑞利（Rayleigh）分布,具体求法：f(x,y)=[1/(2πσ^2)]*e^-[(x^2+y^2)/2σ^2]当z=0时,有：F(z)=∫∫f(x,y)dxdy,其中积分区域为x^2

Z的分布叫做瑞利（Rayleigh）分布,具体求法：f(x,y)=[1/(2πσ^2)]*e^-[(x^2+y^2)/2σ^2]当z=0时,有：F(z)=∫∫f(x,y)dxdy,其中积分区域为x^2

1.XY相互独立,相关系数r=02.E(Z)=E(2X+Y)=2E(X)+E(Y)=03.D(Z)=[(2X+Y)^2]=4D(X)+D(Y)+4E(X)E(Y)=4+1+0=54.N(0,5)5.f

设Z=X+Y，X、Y独立且都服从正态分布N（μ，12），Z也服从正态分布D（Z）=D（X）+D（Y）=1，E（Z）=μ+μ=2μZ～N（2μ，1）所以：Z-2μ～N（0，1）P（Z≤1）=P（Z-1≤

随机变量x,y相互独立都服从N(0,1)则f(x,y)=fX(x)fY(y)=1/（2π）e^(-x²-y²)P(X^2+Y^2

并不是很确定这个答案,但是觉得是一个还算有道理的解释.方差=积分（积分（X^2+y^2)*pdf(x正太)*pdf(y正太)dx)dy(上面的式子是由方差的积分定义得到的）.由于xy相互独立,上面的积

1/（PI）^O.5

为了方便令F(X1)=ф（X(1)）)F(X1)=1-(1-F(X1))^nf(x1)=n*((1-F(x1))^(n-1))*F'(x1)E=ф（X(1)））*f(x1)从负无穷到正无穷的积分积分符

x3^2+x4^2服从卡方(2)(x1-x2)服从N(0,2)根据t分布定义[(x1-x2)/√2]/√(x3^2+x4^2)/2=(x1-x2)/√(x3^2+x4^2)服从t(2)

你先求出那个啥f(x、y)等于多少,然后再E（U（x、y））=∫U（x、y）f(x、y)dxdy就可以了再问：。。。你这个方法复杂了，我已经做出来了

我个人认为你的题目是不是写错了?是否是U=X+Y,V=X-即使是如此,两者独立也仅在X,Y同方差的情况下成立的样子.因为,对于正态分布来说,独立等价于不相关,也就是说二者的协方差cov（U,V）=0（

因为E(X-Y)=E(X)-E(Y)=0,var(X-Y)=var(X)+var(Y)=1.

1.独立的正态分布的联合分布也服从正态分布.2.没关系.3.去掉独立后,结论不成立.4.由分布密度来判断是否是二维正态分布.

因为X^2/(X^2+Y^2)+Y^2/(X^2+Y^2)=1所以E[X^2/(X^2+Y^2)]+E[Y^2/(X^2+Y^2)]=E(1)=1因为X、Y服从相同的分布,且相互独立,所以：E[X^2

1fX(x)=(1/√2π)e^(-x^2/2)fY(y)=(1/√2π)e^(-y^2/2)因为x,y独立,所以联合概率密度所以fXY(x,y)=fX(x)fY(y)=(1/2π)e^[-(x^2+