设随机变量X~N(1,1),Y=X-1,则Y的概率密度=________. 设随机变量X~N(0，1),求下面随机变量Y的概率密度 : ...

你好！Y服从标准正态分布，概率密度如图。经济数学团队帮你解答，请及时采纳。谢谢！

设随机变量x~n(0,1),求y=|x|的概率密度。~

解题过程如下：

扩展资料求概率密度的方法：
设随机变量X具有概率密度fX(x)，-∞0（或恒有g'(x)<0），则Y=g(X)是连续型随机变量。其中α=min(g(-∞),g(∞))，β=max(g(-∞),g(∞))，h(y)是g(x)的反函数。
单纯的讲概率密度没有实际的意义，它必须有确定的有界区间为前提。可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的概率，所有面积的和为1。所以单独分析一个点的概率密度是没有任何意义的，它必须要有区间作为参考和对比。
概率指事件随机发生的机率，对于均匀分布函数，概率密度等于一段区间(事件的取值范围)的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。
从一批有正品和次品的商品中，随意抽取一件，“抽得的是正品”就是一个随机事件。设对某一随机现象进行了n次试验与观察，其中A事件出现了m次，即其出现的频率为m/n。经过大量反复试验，常有m/n越来越接近于某个确定的常数（此论断证明详见伯努利大数定律）。

具体解答方法如图：

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。
随机变量即在一定区间内变量取值有无限个，或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。
有几个重要的连续随机变量常常出现在概率论中，如：均匀随机变量、指数随机变量、伽马随机变量和正态随机变量。

扩展资料：
随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。
如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。
参考资料来源：百度百科——随机变量

急急急急急 设随机变量X ~ N(1,1), Y=X-1,则 Y 的概率密度fY(y)=
答：Y=X-1服从标准正态分布，概率密度为φ（y)

设随机变量X~N(1,1),Y=X-1,则Y的概率密度=___.
答：你好！Y服从标准正态分布，概率密度如图。经济数学团队帮你解答，请及时采纳。谢谢！

随机变量的数学期望是怎么定义的?
答：X~N(1,1),Y~N(4,9) E(X)=u=1,D(Y)=σ ²=9 E(x)D(Y)=9 二维正态分布(x,y)~N(u1,u2,s1,s2,r)，其中r=R(x,y)=cov(x,y)=1/2 E(X)=5*0.1=0.5,D(X)=5*0.1*0.9=0.45 E(Y)=1,D(Y)=4;E(X-2Y)=E(X)-2E(Y)=0.5-2=-1.5 D(X-2Y...

已知随机变量X服从N(-1,1),求Y服从?
答：Y服从Y~N(1,4)由已知得EX=0，DX=1，EY=1，DY=4，于是E(X-Y)=EX-EY=-1，X,Y相互独立，所以D(X-Y)=DX+D(-Y)=DX+DY=5。故X-Y~N(-1，5)

设随机变量X和Y相互独立,X~N(1,1),Y~N(-2,1),则2X+Y~
答：新年好！独立正态分布的线性函数还是正态分布，只要求出期望方差就可知2X+Y~N(0,5)。经济数学团队帮你解答，请及时采纳。谢谢！

设二位连续型随机变量(X,Y)~N(1,1,4,9,0.5)求E(X)D(Y),
答：X~N(1,1),Y~N(4,9) E(X)=u=1,D(Y)=σ ²=9 E(x)D(Y)=9 二维正态分布(x,y)~N(u1,u2,s1,s2,r)，其中r=R(x,y)=cov(x,y)=1/2 E(X)=5*0.1=0.5,D(X)=5*0.1*0.9=0.45 E(Y)=1,D(Y)=4;E(X-2Y)=E(X)-2E(Y)=0.5-2=-1.5 D(X-2Y...

概率论与数理统计中X ~N(1,1)是什么意思?
答：这是正态分布的符号，第一个1表示平均数为1，第二个1表示方差为1，标准正态分布为X ~N(0,0)

设随机变量X~N(0,1),Y=|x|,求Y的概率密度函数
答：解题过程如下：

设随机变量X和Y服从N~(0,1)分布,且X与Y相互独立,求(X,Y)联合概率...
答：相互独立的随机变量的联合概率密度就是两个变量的概率密度的乘积。具体如图所示：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。

随机变量X~ N(0,1), Y=2X+1,则Y~
答：随机变量X~N(0,1),Y=2X+1,则Y~(1，4)，解由随机变量X~N(0,1)，知X的均值为0，故由Y=2X+1，知Y的均值为1，又由X的方差为1，故由Y=2X+1，知Y的方差为4，故Y~(1，4)。