证明y=aX b也服从正态分布

来源:学生作业帮助网 编辑:作业帮 时间:2024/05/12 19:09:19
证明y=aX b也服从正态分布
正态分布简单性质X,Y均服从参数为0,2的正态分布,X-2Y显然也服从正态分布,那么X-2Y的参数是多少?

在X与Y相互独立的条件下才可以说X-2Y也服从正态分布.其参数为(独立条件下)均值E(X-2Y)=EX-2EY=0方差D(X-2Y)=DX+4DY=10,即X-2Y服从N(0,10)

证明随机变量的独立性X,Y独立同分布,服从标准正态分布N(0,1).令U=X^2+Y^2,V=X/Y求证U,V相互独立.

当s>0时做变换s=x^2+y^2,t=x/y,求其反函数.反函数有两支:x=t*sqrt(s/(1+t^2)),y=sqrt(s/(1+t^2))以及x=-t*sqrt(s/(1+t^2)),y=-

X,Y相互独立.他们都服从标准正态分布N(0,1).证明Z=X^2+Y^2服从λ=1/2的指数分布

有没有学过特征函数?没有的话很难解释...第一问服从自由度为2的卡方分布,也就是Gamma(1,1/2)分布,写出密度函数就是指数分布第二问用正态分布线性组合性质直接就有了,用特征函数很好解释

已知随机变量X服从正态分布,求Y=e^X的概率密度

设Y的分布函数为F(y),X的密度函数为g(x)则F(y)=P(Y

设二维随机变量(x,y)服从二维正态分布,其概率密度1/50π证明X与Y相互独立详见图片 求X,Y是否独立

f(x)=[(50pi)^(-1/2)]e^(-x^2)f(y)=[(50pi)^(-1/2)]e^(-y^2)f(x,y)=f(x)f(y)X与Y相互独立.再问:这样好像不对吧,有解题过程吗?再答:

如何证明服从正态分布的随机变量的线性函数仍然服从正态分布?

http://hi.baidu.com/zjhz8899/album/item/76898e265153ed28908f9d2f.html

设随机变量X服从正态分布,且X~N(-3,4),则连续型随机变量Y=()服从标准正态分布N(0,1)

Y=(X+3)/2由X~N(-3,4)知,μ=-3,σ=2.则Y=(X-μ)/σ=(X+3)/2服从标准正态分布N(0,1)

为什么正态分布的样本均值也服从于正态分布

你可以记住这样一个结论,如果a,b相互独立,并且都服从正态分布,那么对于a,b的任意线性组合c1a+c2b(c1,c2均为常数)也服从正态分布,至于证明涉及高等数学里的知识,无非就是一个二重积分的计算

设随机变量X 服从正态分布 N(μ,σ^2),y=ax+b 服从标准正态分布,则a=?,b=?

YN(0,1)则:EY=aEX+b=aμ+b=0DY=a²DX=a²σ²=1a=1/σb=-μ/σ或者将X标准化Y=aX+b=X-μ/σN(0,1)判断出a=1/σb=-

如果随机变量X和Y都服从正态分布且相互独立,那么U=X+Y和V=X+Y也都服从正态分布且独立,为什么独立?

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(

二维随机变量(U,V)服从二维正态分布,X=U-bV,Y=V,则(X,Y)服从二维正态分布的条件请进来看看!

首先,什么叫二维正态分布.2个高斯随机变量放在一起,叫高斯向量.何为2维,指的是两个向量关于实数域线性无关.(等价于covariance非退化)现在已知(U,V)线性无关,问经过一个线性变换后是否相关

x,y互相独立且服从标准正态分布,则f(x,y)也服从正态分布吗?

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.

随机变量X服从正态分布N(u1, ),Y服从正态分布N(u2, ),X与Y独立,则X+Y服从

(u1+u2,σ1^2+σ2^2)^代表平方哈,这是正态分布的可加性吧再问:那X-Y呢?谢谢你啊,要考试了其实是想知道X+Y与X-Y的方差相不相等。麻烦帮个忙再答:相等的,当X,Y不独立,D(X+(或

计量经济学中为什么误差项u服从正态分布,则系数也服从正态分布

这个性质主要是针对线性回归和OLS(普通最小二乘法)估计量而言的,举个简单点的例子:y=xβ+u(当然,y,x,β和u都可以是矩阵/向量),其中系数β都是真值(也就是确定量而不是随机变量,不存在分布之

设随机变量X~N(u,㎡),试证明入的线函数y=aX十b(a≠0)也服从正态分布

这个题目的思路是,求出 Y 的分布函数,然后发现分布函数为正太分布,于是得证. 详细解答如下: 

若X服从正态分布,则Y=ax+b的期望和方差

当X~N(μ,σ)时,E(X)=μ,D(X)=σ²所以E(Y)=aE(X)+b=aμ+b,D(Y)=a²E(X)=a²σ²