1樓：匿名使用者
lnx∽n﹙1,2²﹚ ∴﹙㏑x-1﹚/2∽n﹙0,1﹚
p{1/2φ﹙﹙㏑2-1﹚/2﹚-φ﹙﹙㏑﹙1/2﹚-1﹚/2﹚≈0.2427
2樓：匿名使用者
1（1）。 x <2.2（x-1）/ 2 <0.55查表已知p（<2.2）= 0.7
（2）-1.6 <= <5.8 -1.3 <=（-1）/ 2的<2.4查表已知的第2é（x）=∫xf（x）的dx = 0（y軸對稱）
e（x = 0.9
^ 2）=∫所述^ 2f（x）dx = = 2a
d（）= e（x ^ 2） - [e（ ）] ^ 2 = 2a
那一刻估計「和」最大似然估計：「我不知道怎麼翻譯，講義
更符合矩和雜木方法，我試探性地使用這兩種方法做
e（倍）=∫xf（x）的dx =θ∫x ^θdx= {0 l（θ）= f（x1）（x2）....（xn）= ttf（十一）
=θ^ nttxi ^（θ-1）
ln（l（θ ））=lnθ* n + lnttxi *（θ-1）
d [ln（θ）] /dθ= n /θ+ lnttxi = 0
θ= -n/ln（x1 * x2 * x3 ..... xn）最大似然估計值
設隨即變數x服從正態分佈n(1,2^2),求下列概率:(1) p(x<2.2) (2)p(-1.6<=x<5.8)
3樓：單車撞毀小汽車
1(1). x<2.2 (x-1)/2<0.55 查表知 p(x<2.2)=0.7
(2). -1.6<=x<5.8 -1.3<=(x-1)/2<2.4 查表知p=0.9
2. e(x)=∫xf(x)dx=0 (關於y軸對稱)
e(x^2)=∫x^2f(x)dx==2a
d(x)=e(x^2)-[e(x)]^2=2a
3. 那個「矩估計值」與「最大似然估計值」我不知道怎麼翻譯，講義上
比較符合的是 method of moments 和 mlh, 我就姑且用這兩個方法做
了。e(x)=∫xf(x)dx=θ∫x^θdx==θ/(θ+1)
=∑xi/n
θ=(∑xi/n)/(1-∑xi/n) 矩估計值
l(θ)=f(x1)f(x2)....f(xn)=ttf(xi)
=θ^nttxi^(θ-1)
ln(l(θ))=lnθ*n+lnttxi*(θ-1)
d[ln(θ)]/dθ=n/θ+lnttxi=0
θ=-n/ln(x1*x2*x3.....xn) 最大似然估計值
設隨機變數（x,y）服從二維正態分佈，概率密度為f（x,y）=(1/2pi)*exp[-1/2*(x^2+y^2)]，求e(x^2+y^2)
x服從正態分佈 ，為什麼 （x1+x2）^2/2服從自由度為1的卡方分佈 ，求助
4樓：匿名使用者
依題意，x1、x2均服從標準正態分佈
(x1+x2)/√2服從n（0，1）
相當於只有1個標準正態分佈的平方，所以自由度為1的卡方分佈
設x1,x2是取自正態總體x~n(0,σ^2)的一個樣本,求p((x1+x2)^2/(x1-x2)^2<4)
5樓：angela韓雪倩
n(0，σ^2)
e(x1+x2)=ex1+ex2=0
d(x1+x2)=dx1+dx2=2σ^2x1+x2~n(0，2σ^2)
同理：x1-x2~n(0，2σ^2)
所以1/√2σ(x1+x2)~n(0，1)1/√2σ(x1-x2)~n(0，1)
所以1/2σ^2(x1+x2)^2~x^2(1) x^2(n)代表自由度為n的卡方分佈
同理1/2σ^2(x1-x2)^2~x^2(1)令a=1/2σ^2(x1+x2)^2 b=1/2σ^2(x1-x2)^2
所以(x1+x2)^2/(x1-x2)^2=1/2σ^2(x1+x2)^2/1/2σ^2(x1-x2)^2=a/b
=(a/1)/(b/1)
而這就是f(1，1)分佈的定義
所以(x1+x2)^2/(x1-x2)^2~f(1，1)
6樓：薔祀
^p((x1+x2)^2/(x1-x2)^2<4)的解為f(1,1)。
解：本題利用了正態分佈的性質求解。
因為n(0,σ^2)，
則有：e(x1+x2)=ex1+ex2=0
d(x1+x2)=dx1+dx2=2σ^2
x1+x2~n(0,2σ^2)
同理可得：x1-x2~n(0,2σ^2)
所以1/√2σ(x1+x2)~n(0,1)
1/√2σ(x1-x2)~n(0,1)
所以1/2σ^2(x1+x2)^2~x^2(1) x^2(n)代表自由度為n的卡方分佈。
同理1/2σ^2(x1-x2)^2~x^2(1)
令a=1/2σ^2(x1+x2)^2 b=1/2σ^2(x1-x2)^2
所以(x1+x2)^2/(x1-x2)^2
=1/2σ^2(x1+x2)^2/1/2σ^2(x1-x2)^2
=a/b
=(a/1)/(b/1)
而這就是f(1,1)分佈的定義
所以(x1+x2)^2/(x1-x2)^2等於f(1,1)。
擴充套件資料：
正態分佈的性質：
1．集中性：正態曲線的高峰位於正**，即均數所在的位置。
2．對稱性：正態曲線以均數為中心，左右對稱，曲線兩端永遠不與橫軸相交。
3．均勻變動性：正態曲線由均數所在處開始，分別向左右兩側逐漸均勻下降。
4．正態分佈有兩個引數，即均數μ和標準差σ，可記作n（μ，σ）。
5．u變換：為了便於描述和應用，常將正態變數作資料轉換。
7樓：匿名使用者
接上面，上述服從f（1，1），所以有p(f（1，1）<4)=1-p(f（1，1）>=4），由f分佈和t分佈的性質知道，(tα/2（1）)^2=fα(1,1),所以有p(f（1，1）>4)=1-2*p(tα/2（1)<=2)=0.7.本例主要考察f和t分佈的相關性。
設二維隨機變數 X,Y 服從二維正態分佈,,求 X,Y 的聯
套公式即可.1 2 dx 16,2 2 dy 25.cov x,y 1 2 0.6,1 2 0.8.f x,y 1 32 回答e 大學概率論題。已知隨機變數 x,y 服從二維正態分佈，其聯合密度為f x,y 設隨機變數 x,y 服從二維正態分佈，概率密度為f x,y 1 2pi exp 1 2 x ...
隨機變數X服從正態分佈N3,1,P2X
看來你沒看懂bai那圖 啊 du。正態分佈的曲線圖 是關zhi於直dao線x u 懶得找那個字母 回 你明白的 對稱 這題就 答是告訴你 圖形關於直線x 3對稱 那麼2到4那疙瘩的面積就是0.6826 也就是說 3到4那段的面積是0.3413 所以 大於4的那段面面積就是 0.5 0.3413 0....
設隨機變數X服從正態分佈N則隨著增大，概率P X應該（保持不變）
給的概率不等式正好可以化成標準正態分佈的形式，而標準正態分佈的概率值與題中給出的拉姆達值無關，所以增大拉姆達概率p保持不變。數學字母不知道怎麼用手機打出來，見諒 把一般正態分佈化為標準正態分佈，是為了用 正態分佈數值表 查相應的值。設隨機變數x服從正態分佈n 1，3 求p 2 x 4 注 1 0.8...