X分布函数如下图,求X的分布律.

1. X分布函数如下图,求X的分布律.

X的分布律是：
  X 0 1 2
  P 4/15 10/15 1/15

2. 对于(XY)而言,由(X,Y)的分布可以确定关于X,关于Y的边缘分布

-1的看x＝1，y＝-1
0看x=0或y＝0
1看x＝1，y＝1
如果二维随机变量X,Y的分布函数F{x,y}为已知，那么随机变量x，y的分布函数FX{x}和Fʏ{y}可由F{x,y}求得。【摘要】
对于(XY)而言,由(X,Y)的分布可以确定关于X,关于Y的边缘分布【提问】
-1的看x＝1，y＝-1
0看x=0或y＝0
1看x＝1，y＝1
如果二维随机变量X,Y的分布函数F{x,y}为已知，那么随机变量x，y的分布函数FX{x}和Fʏ{y}可由F{x,y}求得。【回答】

3. 若（x，y）的联合分布列如下？

直接用书上的定理2，简单计算一下即可
答案如图所示，有任何疑惑，欢迎追问

4. x，y均匀分布，则x+y服从什么分布

设x服从期望为u1方差为s的分布，记为x～（u1，s）；
y服从期望为u2的分布，记为y～（u2）；
则显然z=x+y服从期望为u1+u2方差为s的分布，记为z～（u1+u2，s）。
扩展资料
E（ξ+η）=E（ξ）+E（η），当然是后者成立：（a+b）/(ab)
需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。
如果随机变量只取得有限个值或无穷能按一定次序一一列出，其值域为一个或若干个有限或无限区间，这样的随机变量称为离散型随机变量。

5. 若X，Y均为正态分布，那么X与Y的联合分布是怎样的

要看X和Y是否相互独立，不独立的话就是一个2重积分，被积函数为这两个函数的概率密度函数的乘积再乘以xy，独立的话，这个2重积分等价于这两个函数的边缘分布函数的乘积。
如果将二维随机变量(X,Y)看成是平面上随机点的坐标，那么分布函数F(x,y)在(x,y)处的函数值就是随机点(X,Y)落在以点(x,y)为顶点而位于该点左下方的无穷矩形域内的概率。
在概率论中, 对两个随机变量X和Y，其联合分布是同时对于X和Y的概率分布。

扩展资料：正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。
C.F.高斯在研究测量误差时从另一个角度导出了它，P.S.拉普拉斯和高斯研究了它的性质，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

6. 设(x,y)的分布列如下,写出x与y的边缘分布

∵(x,y)的概率1/6+1/3+1/12+5/12=1，∴按概率分布的性质，(x,y)的组合点非题中所列组合之外的点的概率为0。
又，X的取值为x=0，-1，2，Y的取值为y=0,1,3。
∴按照边缘分布的定义，X的边缘分布律为P(x=-1)=P(-1,0)+P(-1,1)+P(-1,3)=1/3+1/12=5/12
、P(x=0)=P(0,0)+P(0,1)+P(0,3)=1/6、P(x=2)=P(2,0)+P(2,1)+P(2,3)=5/12。
同理，Y的边缘分布律为P(Y=0)=P(-1,0)+P(0,0)+P(2,0)=1/6、P(Y=1)=P(-1,1)+P(0,1)
+P(2,3)=1/3、P(Y=3)=P(-1,3)+P(0,3)+P(2,3)=1/12+5/12=1/2。
供参考。

7. X、Y 的分布律如下，E（XY）怎么求

解答方法如图所示：

古典概率的基本特征
1、可知性，可由演绎或外推法得知随机事件所有可能发生的结果及其发生的次数。
2、无需试验，即不必做统计试验即可计算各种可能发生结果概率。
3、准确性，即按古典概率方法计算的概率是没有误差的。
4、有限性。
5、等可能性。

扩展资料：
对毫无秩序的经营管理工作作出决策时，应用这种方法就会发生各种各样的问题。这主要表现在：
1、古典概率的假想世界是不存在的。对于那些不能肯定发生，但又有可能发生的事情，古典概率不予考虑，如硬币落地后恰恰站在它的棱上；一次课堂讨论概率时突然着了火等。这些事情都是极其罕见的，但并非不可能发生，古典概率对这些情况一概不予考虑。
2、古典概率还假定周围世界对事件的干扰是均等的。这就是说，虽然按照古典概率的定义，抛平正的硬币出现正面的概率等于0.5，但是谁敢打赌无论什么时候抛10次准有5次出现正面呢？在实际生活中无次序的、靠不住的因素是经常存在的，为使概率具有使用价值，必须用其他方法定义概率。
参考资料来源：百度百科-古典概率

8. 求（X,Y）的分布函数F（x，y）

f(x,y)=xe^(-y），0<x<y
当0<x<y时，
F(x,y)=P(X<=x,Y<=y)=∫∫xe^(-y）dxdy=∫(0,x)  xdx∫(x,y)  e^(-y）dy=1-(x+1)e^(-x)-x^2/2*e^(-y）
当0<y<x时，
F(x,y)=P(X<=x,Y<=y)=∫∫xe^(-y）dxdy=∫(0,y)  xdx∫(x,y)  e^(-y）dy=1-(y+1)e^(-y)-y^2/2*e^(-y）
当x，y取其它值时，
F(x,y)=0