服从i 1的指数分布

来源:学生作业帮助网 编辑:作业帮 时间:2024/05/10 13:44:22
设两个随机变量X 和Y 相互独立, X 服从均值为2 的指数分布,Y 服从均 值为4 的指数分布,问X>Y的概率是多

X和Y相互独立-->f(x,y)=f(x)*f(y)=(1/2)e^(-x/2)*(1/4)e^(-y/4)p(X>Y)=∫∫f(x,y)dxdy(积分区域为y=0,y=x所围面积)=∫(0-->∞)

概率论问题:设随机变量X服从参数为2的指数分布,Y服从参数为4的指数分布,求E(2X²+3Y)的值.

随机变量X服从参数为2的指数分布EX=1/2DX=1/4EX²=(EX)²+DX=1/2EY=1/4E(2X²+3Y)=2*(1/2)+3*(1/4)=7/4

高数填空设相互独立的随机变量X服从(0,2)上的均匀分布,Y服从参数为2的指数分布,则当0

∫[0,2]1/2dx∫[0,2]1/2*e^(-y/2)dy=1/4∫[0,2]∫[0,2]e^(-y/2)dxdy再问:e^(-y)?再答:没有啦,搞错上限了∫[0,x]1/2dx∫[0,y]1/

概率论习题随机变量X服从(1,2)均匀分布,X=x时,Y服从以x为参数的指数分布,求证XY服从以1为参数的指数分布

设z=xyf(z)=f(z|x)f(x)=f(y|x)f(x)得证第二步应该是x已知为常数,所以分布密度.

随机变量X服从参数为2的指数分布,随机变量Y服从参数为4的指数分布,求E(2X^2+3Y)=多少?

对于X有:DX=1/4EX=1/2所以EX²=DX+(EX)²=3/4对于Y有EY=1/4所以E(2X²+3Y)=2EX²+3EY=9/4注:各个版本教材对指数

设随机变量X服从参数为2的指数分布,证明Y=e^-2X服从U(0,1)

解法的要点如下图,先找出分布函数的关系.经济数学团队帮你解答,请及时采纳.谢谢!

求服从参数为1/3的指数分布的随机变量X的分布函数

概率密度f(x)=1/3e^(-x/3),x>00,x≤0分布函数F(x)=∫1/3e^(-x/3)dx=1-e^(-x/3),x>0【从0积分到x】0,x≤0

求助matlab生成服从广义指数分布的随机数 分布函数是

function[x]=gexprnd(af,bt)x=-1/af*log(1-unifrnd(0,1)^(1/bt));end保存函数名字为gexprnd.m文件;调用形式如:gexprnd(1,1

指数分布的数学期望 已知X服从参数为1的指数分布 Y=X+e^(-2X) 求EY与DY

提示:EY=E(X+e^(-2X))=EX+E(e^-2X)前面的EX=1,后面的式子根据期望的定义式.求出不理解,可以继续提问再问:指数的f(x)是什么?再答:x>0时f(x)=e^xx

设随机变量X服从参数λ 为的指数分布,则概率 P(X>EX)?

X服从参数λ为的指数分布,则:EX=1/λ,X有分布函数:F(x)=1-e^(-λx),x>=0;于是P(X>EX)=1-P(X

设随机变量X服从参数为λ的指数分布,则P{X>DX}

由题设,X服从参数为λ的指数分布,知:DX=1λ2,λ>0,于是:P{X>DX}=P{X>1λ}=∫+∞1λλe−λxdx=−e−λx| +∞1λ=1e.

概率指数分布家设随机变量X服从参数为λ的指数分布,且X落入区间(1,2)内的概率达到最大,则λ=?

X落入区间(1,2)内的概率P=积分(1-->2)λe^(-λx)dx=e^(-λ)-e^(-2λ)概率达到最大-->dP/dλ=0-->λ=ln2

设随机变量X服从指数分布,求随机变量Y=min(X,2)的分布函数

可以利用Y与X的关系如图求出分布函数.经济数学团队帮你解答,请及时采纳.再问:再问:能不能帮我在做一下50题再答:这个我不会。前面的问题已经解决,请采纳!

设随机变量X服从指数分布,如果该分布80%的分位点等于2,求其密度函数.

 最后结果算出来是再问:不懂啊。。。。您看哦,他让求指数分布的密度函数,就是说求他的参数拉姆达,怎么求呢。。。辛苦大神求讲解。。。再答:我认为分布80%的分位点等于2,可得到上述的方程,最后

设随机变量X服从参数为3的指数分布,试求:

(1).f(x)=3e^(-3x),x>0;f(x)=0,其他.y1时,FY(y)=P(Y

假设随机变量X服从指数分布,则随机变量Y=min{X,2}的分布函数(  )

Y的分布函数是:F(y)=P(Y≤y)=P(min(X,2)≤y)=1-P(min(X,2)>y)=1-P(X>y,2>y)考虑y<2和y≥2两种情况当y<2时,FY(y)=1-P(X>y)=PX≤y

设随机变量服从参数为5的指数分布,则它的数学期望值为多少

0.21/λ=1/5=0.2根据0—1分布,数学期望p方差p(1-p);二项分布(贝努里概型),数学期望np方差np(1-p);泊松分布,数学期望λ方差λ;均匀分布,数学期望(a+b)/2方差[(b-