設連續性隨機變數X的分佈函式為FX,在X0時,FX

1樓:匿名使用者

由左連續性:在x=0處f(0)=0,帶入得a+b=0,f(x)是分佈函式,在無窮大處等於1,把x=無窮大帶入,得a+b*0=1,解方程組:a=1,b=-1

設連續型隨機變數x的分佈函式為f(x)=a+be^-2,x大於等於0;f(x)=0,x小於0

2樓:玄色龍眼

f(x)應該是a+be^(-2x)吧

1,x連續,所以f(0)=0

得到a+b=0

然後f(+∞) = 1

所以a=1

所以b=-1

2,p(00

f(x) = 0, x≤0

3樓:樊澄汗興國

f(x)應該是a+be^(-2x)吧

1,x連續,所以

f(0)=0

得到a+b=0

然後f(+∞)=1

所以a=1

所以b=-1

2,p(00

f(x)=0,x≤0

設隨機變數x的分佈函式為 f(x)=a+be^-λx.x>0 0 x<=0 其中λ>0為常數,求常數a

4樓:demon陌

這是一個連續性的變數x,所以分佈函式也是連續的,所以把x=0代入上式:a+b=0

再對f(x)取極限,x趨於+∞,f(x)趨於1,a=1,所以b=-1隨機事件數量化的好處是可以用數學分析的方法來研究隨機現象。例如某一時間內公共汽車站等車乘客人數,**交換臺在一定時間內收到的呼叫次數,燈泡的壽命等等,都是隨機變數的例項。

隨機變數即在一定區間內變數取值有無限個,或數值無法一一列舉出來。例如某地區男性健康**的身長值、體重值,一批傳染性肝炎患者的血清轉氨酶測定值等。有幾個重要的連續隨機變數常常出現在概率論中,如:

均勻隨機變數、指數隨機變數、伽馬隨機變數和正態隨機變數。

5樓:匿名使用者

f(+∞)→a=1.

f(0+)→1+b=0,b=-1.

設連續型隨機變數x的分佈函式為 f(x)=a+b*e^-x,x>0 , 求

6樓:匿名使用者

利用積累分佈函式的性質

f(負無窮)=0,f(正無窮)=1,f是不減的那麼b必須為0

因為b>0時,f(負無窮)=正無窮

b<0時,f(負無窮)=負無窮

於是再利用f(正無窮)=1就有a=1

f(x)=1

設隨機變數x的分佈函式為 f(x)=0, x<1 f(x)=lnx, 1<=x

7樓:drar_迪麗熱巴

p=f(2)=ln2

p{0p{2(2)

1當x<1時,fx(x)=0

2當1≤x

0 ,x<1

故fx(x) = 1/x ,1≤x

0 ,x≥e

分佈函式(英文cumulative distribution function, 簡稱cdf),是概率統計中重要的函式,正是通過它,可用數學分析的方法來研究隨機變數。分佈函式是隨機變數最重要的概率特徵,分佈函式可以完整地描述隨機變數的統計規律,並且決定隨機變數的一切其他概率特徵。

隨機變數在不同的條件下由於偶然因素影響,可能取各種不同的值,故其具有不確定性和隨機性,但這些取值落在某個範圍的概率是一定的,此種變數稱為隨機變數。隨機變數可以是離散型的,也可以是連續型的。

如分析測試中的測定值就是一個以概率取值的隨機變數,被測定量的取值可能在某一範圍內隨機變化,具體取什麼值在測定之前是無法確定的,但測定的結果是確定的,多次重複測定所得到的測定值具有統計規律性。隨機變數與模糊變數的不確定性的本質差別在於,後者的測定結果仍具有不確定性,即模糊性。

關於概率論,設連續型隨機變數x分佈函式為f(x)=a+b^-(1/2)x^2,x>=0, 10

8樓:匿名使用者

將x=正無窮代入,e的次方數 -x^2/2為負無窮,則e^(-x^2/2)=0,所以f(正無窮)=a+b*0=a=1

將x=0代入,f(0)=a+b*e^0=a+b

9樓:匿名使用者

當f趨於無窮大,b的-(x^2/2)次方肯定趨於0,a當然就等於f的極限為1

設連續型隨機變數x的分佈函式為f(x)=0 (x≤-a),a+barcsinx/a (-a