N(0,1)分布x1 x2 x10服从

mu=[0,2];%数学期望sigma=[10;0,4];%协方差矩阵r=mvnrnd(mu,sigma,50)%生成50个样本

andn或者normrnd再问：那请问如何生成2N-1个数据呢？比如N=100，怎么表示？再答：N=100A=randn(2*N-1,1)

n=2时,p(x1=1)=1/2,∴p(x1=奇数)=1/2,即p(x2=1)=1/2=>p(x2=0)=1-p(x2=1)=1/2,∴n=2时结论成立假设对n结论成立,下面考虑n+1的情况即p(x1

由于Z是两个正态变量的线性组合,则Z也应当符合正态分布.因此只要求出E[Z]和D[Z]即可.EZ=E[2X-Y]=2EX-EY=2又X与Y相互独立,则和的方差等于方差的和,故DZ=D[2X-Y]=4D

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

φ(x)=[1/(根号2π)]e^[-(x^2)/2]故:f(x,y)=φ(x)*φ(y)=[1/(2π)]e^[-(x^2+y^2)/2].故:E((X^2+Y^2)^(1/2))=∫∫[(x^2+

根号(2*pi)积分可以化成极坐标做.

Z=max(x,y)当x,y)独立时,F(z)=[Fx(z)]^2-->fz(z)=2fx(z)F(z)E[MAX（X,Y）]=∫2zf(z)F(z)dz(代入标准正态分布密度函数,经分步积分可以算出

okay.IthinkIgotitthistime.TheprobabilitydistributionactuallymakessensesinceP(N=0)+P(N=1)+...=(1-p)(1

P（X+Y=n）=(n-1)(1/2)^n以上,使用全概率公式即可再问：麻烦，能不能在详细一点。我比较笨。再答：打公式有点麻烦额，我就简写一下吧P（X+Y=n）=P（X=1）P（Y=n-1）+P（X=

p=cov(x,y)/[√D(x)*√D(y)]cov(x,y)=E(x*y)-E(x)*E(y)=E(x^3)-E(x)*E(x^2)=E(x^3)=∫∞(x³*e^(-x²/2

第一步计算出X(n)的分布函数,从而分布密度.（有现成公式）第二步计算P（|X(N)-a|>e)=P(a-ea再问：X(n)的分布函数该怎么求再答：如果U（0，a）的分布函数是F(x)，则Xn的分布函

X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.5P(XY>0)=P(X>0,Y>0)+P(X0)+P(X再问：X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.

你好!p(|x|>2)=1-p(|x|

P（x=1）=a/2P（x=2）=a/6P（x=3）=a/12P（x=4）=a/20所以a/2+a/6+a/12+a/20=1得到a=1.25故P（1/2

下面给出利用特征函数所进行的严格证明.证明：记h_{X}(t)为随机变量X的特征函数（注：记号“h_{X}”中的“_”表示“下标”；下文中的记号“^”表示“上标”,用来表示幂运算,如2^n是2的n次方

X1-X2+X3-X4仍服从正太分布,期望为0,方差为4所以X1-X2+X3-X4服从N(0,4)

cov(X1,Y)=1/n·∑(i=1~n)cov(X1,Xi)=1/n·cov(X1,X1)=(λ^2)/n所以,选A再问：cov(X1,X2),cov(X1,X3),cov(X1,X4)…cov(

E（Xn）=0×0.5+2×0.5=1E（X）=∑(1~n)E(Xi)/(3^i)=∑(1~n)1/(3^i)∑(1~n)1/(3^i)是一个等比数列,公比1/3,用等比求和公式得E(X)=1/2D(