若XY都独立,都服从泊松分布,则给定X Y=N的条件下,X服从二项分布

Z的分布叫做瑞利（Rayleigh）分布,具体求法：f(x,y)=[1/(2πσ^2)]*e^-[(x^2+y^2)/2σ^2]当z=0时,有：F(z)=∫∫f(x,y)dxdy,其中积分区域为x^2

依然正态分布 +1的话只是平均值+1,不影响方差图片来自维//……基,不添加链接了以防答案被吞

X²/1,Y²/1均服从自由度为1的χ²分布.按照F分布的定义,(X²/1)/(Y²/1)=X²/Y²,服从自由度为(1,1)的F

由于相互独立,EXY=EX*EY=1*2=2泊松分布的期望等于纳姆达=1二项分布的期望等于np=4*0.5=2

P(X=Y)=P(X=0)P(Y=0)+P(X=1)P(Y=1)=1/9+4/9=5/9如有意见,欢迎讨论,共同学习；如有帮助,再问：为什么这么算啊？再答：根据独立性。书上讲更全面一些，建议您看书。

这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明

要用到微积分吗?具体公式给下回答：=Σ（3^I*e^(-3)I/I!）(3^(K-I)*e^(-3)I/(K-I)!）=Σ（3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!）=Σ[

再问：求详解过程再答：

应该是的

(1)若X～P(),P(),则X+Y～P()证明：利用卷积公式来证明设Z=X+Y则P(Z=m)=P(X+Y=m)=(卷积公式)=（因为X与Y独立时,联合分布=边际分布之积）=（此处忘记写上下标了）==

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+

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

X.Y参数为1的柏松分布,则其母函数为Ψ（s)=e^(s-1)X.Y相互独立,X+Y母函数为Ψ（s,s)=Ψ（s)*Ψ（s)=e^(2(s-1))X+Y服从参数为2的泊松分布.再问：能再详细点吗。再答

E（x＋y）＝Ex＋Ey＝1＆＃47；5＋3＆＃47；5＝0．8D（x＋y）＝Dx＋Dy＋cov（xgy）＝1＆＃47；25＋9＆＃47；25＋cov（xrvzdy）需要知道xky的协方差2若相互独立

可以证明,并且这些柏松分布各自的参数还不一样.设X1服从参数为λ1的柏松分布,设X2服从参数为λ2的柏松分布.则对于任意非负整数k,有P(X1=k)=e^(-λ1)*λ1^k/k!P(X2=k)=e^

两个变量都符合标准正态分布了.怎么个就方差不同呢?标准正态分布N（0,1）,期望E=0,方差D=1也就说,两个变量都符合标准正态分布了,就期望和方差都相同了.叫同分布.楼主的问题应该是,两个变量都符合

π(a)π(b)π(a)π(b)为柏松分布则P{X=k}=(a^k)e^(-a)/k!P{Y=m}=(b^m)e^(-b)/m!k,m=0,1,2.因为X,Y相互独立则他们的联合分布P{X=k,Y=m

fZ(z)=∫(-∞→+∞)fX(x)fY(z-x)dx(1)z＜0fZ(z)=∫(-∞→+∞)fX(x)fY(z-x)dx=0(2)0≤z＜1fZ(z)=∫(0→z)1·1dx=z(3)1≤z＜2f

X~N(1,2）则E(X)=1,Y服从参数为3的泊松分布,则E（Y）=3；E(Y^2)=3^2+3=12;E(X^2)=1;D（xy）=E[（xy）^2]-E^2（xy)=E(x^2y^2)-E^2(