设二维随机变量（X,Y )服从二维正态分布N（0,0,1,1,0）求P（X/Y<0）？ 设二维随机变量（X,Y )服从二维正态分布N（0,0,1,1...

P（X/Y<0）=0.5

分析过程如下：

扩展资料：

正态分布的面积概率分布：

1、实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布），不同范围内正态曲线下的面积可用公式计算。

2、正态曲线下，横轴区间（μ-σ,μ+σ）内的面积为68.268949%。

P{|X-μ|<σ}=2Φ（1）-1=0.6826

3、横轴区间（μ-1.96σ,μ+1.96σ）内的面积为95.449974%。

P{|X-μ|<2σ}=2Φ（2）-1=0.9544

4、横轴区间（μ-2.58σ,μ+2.58σ）内的面积为99.730020%。

P{|X-μ|<3σ}=2Φ（3）-1=0.9974

正态分布特点：

1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。

2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。

3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。

4、曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。

结果为：0.5

解题过程如下：

解：

∵  （x，y）~N（0，0，1，1，0）

∴X~N(0,1)，Y~N(0,1)

且X与Y独立

∵X/Y<0，即X与Y反号

∴ P（X/Y<0）

=P(X>0,Y<0)+P(X<0,Y>0)

=0.5×0.5+0.5×0.5

=0.5

扩展资料

求二维正态分布方法：

设E是一个随机试验，它的样本空间是S={e}，设X=X（e）和Y=Y(e)S是定义在S上的随机变量，由它们构成的一个向量（X，Y），叫做二维随机变量或二维随机向量。

例如：现在有一个班（即样本空间）体检,指标是身高和体重,从中任取一人（即样本点）,一旦取定,都有唯一的身高和体重（即二维平面上的一个点）与之对应,这就构造了一个二维随机变量。由于抽样是随机的,相应的身高和体重也是随机的,所以要研究其对应的分布。

公式：

P（X/Y<0）=0.5

设二维随机变量（X,Y )服从二维正态分布N（0,0,1,1,0）求P（X+Y<0)及P（X/Y>0）~

解：X,Y~N（0,0,1,1,0）
说明X，Y独立同分布N（0,1）
fX(x)=φ(x).
P（X+Y<0)=∫[-∞,∞] φ(x)∫[-∞,-x] φ(y)dydx=∫[-∞,∞] φ(x)Φ(-x)dx=∫[-∞,∞]( 1-Φ(x))dΦ(x)=1/2
P(X/Y>0)=P(X>0,Y>0)+P(X<0,Y<0)=1/4+1/4=1/2
如有意见，欢迎讨论，共同学习；如有帮助，请选为满意回答！

P（X/Y<0）=0.5
本题使用正态分布与独立性分析：
（x，y）~N（0，0，1，1，0）
说明X~N(0,1),Y~N(0,1)
且X与Y独立
X/Y<0，即X与Y反号
所以 P（X/Y0,Y0)
=P(X>0)P(Y0)
=0.5×0.5+0.5×0.5
=0.5
二维随机变量( X,Y)的性质不仅与X 、Y 有关,而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X，Y）作为一个整体来研究。
扩展资料：
在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。
随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数，电话交换台在一定时间内收到的呼叫次数，灯泡的寿命等等，都是随机变量的实例。
在实际问题中通常用它来表征多个独立操作的随机试验结果或多种有独立来源的随机因素的概率特性，因此它对于概率统计的应用是十分重要的。
参考资料来源：百度百科——二维随机变量