两个随机变量函数Z=X+Y的概率密度推导.主要是变量替换这种思想,对于概率论常用的变量替换(也叫线性变换),到目前还没有有效的理解.比如正态分布化为标准正态分布……现在有一个问题,

来源:学生作业帮助网 编辑:作业帮 时间:2024/04/30 00:38:16

两个随机变量函数Z=X+Y的概率密度推导.主要是变量替换这种思想,对于概率论常用的变量替换(也叫线性变换),到目前还没有有效的理解.比如正态分布化为标准正态分布……现在有一个问题,
两个随机变量函数Z=X+Y的概率密度推导.主要是变量替换这种思想,
对于概率论常用的变量替换(也叫线性变换),到目前还没有有效的理解.比如正态分布化为标准正态分布……
现在有一个问题,就是Z=X+Y分布的概率密度函数.书上是这样写的:用 y=u-x 替换.也就是把y 换成u-x (y不是等于z-x吗,为什么还要用u-x替换?)
然后dy相应的变为d(u-x)了,也就是du了,这点还明白.可是积分上限,怎么由Z-X变成Z了啊?
附两幅浙大教材的截图,这样比较直观.
现在问题范围更加窄了,我现在只需要一个“是”或者“不是”.请看我的问题:
d(u-x)里,x是视为常数,因此d(u-x)变成du的瞬间,上限下限都得相应替换.即u=x+y,也是z了.我特意自己举了一个例子,证实了积分变量即使是相等如d(t-1)=dt,但由于积分形势的不变性,如果变成dt了,积分方式就发生了本质的改变,于是积分上限必须变化!这个过程平时都想当然了,如果做其他的定积分题我也会这么做.只是因为浙大概率的界面不太友好,于是卡在了这个过程中.现在我只希望能知道,我所说的这段话,是正确的吧?

两个随机变量函数Z=X+Y的概率密度推导.主要是变量替换这种思想,对于概率论常用的变量替换(也叫线性变换),到目前还没有有效的理解.比如正态分布化为标准正态分布……现在有一个问题,
因为将x用u来替换,积分上下界也要同时变换,即上界由原本的x=z-y变为z-y=u-y,得出u=z
PS:实际解题时也可以不用u做替换,只要你知道上下界的积分区域,做题时不要搞混就可以了.这点和积分替换是一个道理.但如果不能很好区分,最好在求分布函数时使用u,而不要用x,因为此时积分区域本身也是用x,y表示,所以混淆概率比较大.

随机变量的函数分布里两个不独立的随机变量X,Y各自的边缘概率密度都知道,怎么求Z=XY的概率, 二维随机变量(X,Y) 的概率密度函数为f(x,y) ,则 Z=X+Y的概率密度函数为 随机变量X~N(0,1),求下列随机变量Y=X^2的概率密度函数 假设随机变量X和Y相互独立,服从标准正态分布,求随机变量Z=X/Y的概率密度. 设随机变量X与Y独立,其中X的分布列为 X 1 2 P 0.3 0.7 而Y的概率密度为f(y),设随机变量X与Y独立,其中X的分布列为X 1 2P 0.3 0.7而Y的概率密度为f(y),求随机变量Z=X+Y的密度函数f(z) 设随机变量(X,Y)的概率密度为f(x,y)=e^-(x+y),x>=0,y>=0求Z=1/2(X+Y)的概率密度函数用分布函数求, 相互独立随机变量X,Y,服从正态分布N(0.1)设Z=Y/X,W=Y问 (1) X,Y的联合概率密度函数fXY(x,y)(2)Z,W的联合概率密度函数fZW(z,w)(3)Z的概率密度函数fZ(z) 设随机变量(X,Y)的概率密度为f(x,y)=1/2(x+y)e^-(x+y),x>0,y>0求Z=X+Y的概率密度函数 两个随机变量函数Z=X+Y的概率密度推导.主要是变量替换这种思想,对于概率论常用的变量替换(也叫线性变换),到目前还没有有效的理解.比如正态分布化为标准正态分布……现在有一个问题, 设随机变量X的概率密度为f(x) ,Y=-2X+3,则Y的概率密度函数 设随机变量X的概率密度为f(x) ,Y=-2X+3,则Y的概率密度函数 设二维随机变量(X,Y)的联合概率密度函数 设二维随机变量(X,Y)的概率密度函数为f(x,y)={e的-(x+y)次方(x>0,y>0);0,其他,求Z=(X-Y)的绝对值的概率密度 【疑问】求随机变量Z=X+2Y 的概率密度函数,为什么不能用公式法?已知二维随机变量(X,Y)的概率密度为:f(x,y)=e^(-x-2y) ,第一象限; 其余象限表达式为0 .求Z=X+2Y 的概率密度函数.【疑问】我尝试 设随机变量(X,Y)的概率密度为f(x,y)=e^-(x+y),x>=0,y>=0求Z=(X+Y)/2的概率密度函数用卷积公式来做,万谢! 设(X,Y)是二维连续型随机变量,它有概率密度 f(x,y),求Z=2X+3Y的概率密度 f(z). 设随机变量X与Y相互独立,且X~U(0,1),e(1),试求Z=X+Y的概率密度函数 随机变量X与Y相互独立,且X~U(0,1),e(1),试求Z=2X+Y的概率密度函数...