设x1x2xn独立同分布于N

来源:学生作业帮助网 编辑:作业帮 时间:2024/05/13 11:13:41
如何理解概率论中的独立同分布?请分别解释独立、同分布及独立同分布.

我用最简单的抛色子给你当做例子来理解(1)独立就是每次抽样之间是没有关系的,不会相互影响就像我抛色子每次抛到几就是几这就是独立的但若我要两次抛的和大于8,其余的不算,那么第一次抛和第二次抛就不独立了,

概率论,已知随机变量X1,X2,X3,…Xn(n>1)相互独立且同分布

再问:哦哦,明白了,谢谢你啦!!再答:欢迎继续讨论,我这学期重修概率论再问:呵呵,我们明天考试再答:这....这么快再答:祝你成功啊再问:恩,半学期学完。再问:嗯嗯,谢谢

n个服从几何分布的独立同分布随机变量,加起来之后的方差怎么求?

几何分布期望为5的话,其参数p=1/5=0.2,对应单个随机变量方差DX=(1-p)/p^2=20从而DY=DX/n=20/n

1.设随机变量X Y 相互独立,同分布与N (0,0.5),求E(| X - Y |)

X与Y相互独立,且都服从正态分布N(0,0.5)-->U=X-YEU=EX-EY=0DU=0.5+0.5=1U~N(0,1)E|X-Y|=E|U|为正态分布的一阶绝对中心矩=(2/pi)^(1/

设X与Y为独立同分布的离散型随机变量,其概率分布列为P(X=n)=P(Y=n)=(1/2)^n,n=1,2,...,求X

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=

设随机变量X1,X2,...Xn独立同分布,且E(Xi)=μ,D(Xi)=σ^2,i=1,2,...,设x=1/n∑xp

EX=E(1/n∑xp)=1/n∑E(xp)=μDX=D(1/n∑xp)=1/n²D(∑xp)=1/n²∑D(xp)=σ²/n相关系数就是协方差和2个变量方差的积平方根的

概率论与数理统计习题解答:设X,Y为独立同分布的离散型随机变量,其分布列为P(X=n)=P(Y=n)=1/(2的n次方)

卷积P(X+Y=K)=ΣP(X=n,Y=K-n)n从1到K-1=ΣP(X=n)P(Y=K-n)n从1到K-1=(K-1)/(2的K次方)K从2到∞

依概率收敛问题设随机变量序列{Xn,n≥1}独立同分布,都服从U(0,a),其中a>0.令X(n)=max(1≤i≤n)

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

设X1,X2...Xn 独立同分布的随机变量,证明X=(1/n)* ∑Xi 和∑(Xi-X)^2 相互独立.

记Y=∑(Xi-X)².X,Y一般不是相互独立的.例如n=3,X1,X2,X3都服从-1,1两点均匀分布.可以算得P(X=1)=(1/2)³=1/8.P(Y=0)=3·(1/2)&

辛钦大数定律的问题在辛钦大数定律中,n个独立同分布的随即变量相加再除n ,n个变量相加再除于n得不出具体数来啊,可是既然

意思就是n越大,这n个独立同分布的随机变量的平均值,就越接近它们所服从分布的数学期望.

设随机变量X与Y独立同分布,且都服从标准正态分布N(0,1),试证:U=X^2+Y^2与V=X/Y相互独立

这是个著名的问题.也很有工程用途: 当一个二维信号联合正态时,幅值和相位是独立的.见图:

设随机变量X1,X2,…Xn(n>1)独立同分布,方差λ^2>0,令Y=(1/n)∑(i=1~n)Xi,则( )

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(

设X1,X2...为独立同分布随机变量序列,Xn的分布列为P(Xn=0)=P(Xn=2)=0.5,n>=1 .随机变量X

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(

设X1,X2...Xn是独立同分布的正值随机变量.证明E[(X1+...+Xk)/(X1+...Xn)]=k/n,k≤n

因为(Xi/(X1+X2+……+Xn))的绝对值小于等于1,所以它的期望存在.由对称性,E[(X1)/(X1+...Xn)]=E[(X2)/(X1+...Xn)]=...E[(Xi)/(X1+...X

随机变量X,Y独立且同分布.服从于N(0,1/2).求|X-Y|的期望与方差

Z=X-Y服从N(0,1).E(|Z|)=(2/√2π)∫ze^(-z^2/2)dz=√(2/π)E(|Z|^2)=E(Z^2)=D(z)=1D(|z|)=1-2/π