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
X~N(0,1),y=e^(-x) y>0X的密度函数是fX(x)=1/√2π*e^(-x^2/2)那么FY(y)=P(Y<=y)=P(e^(-x)<=y)=P(x>=-lny)=1-P(x< -lny) =1-FX(-lny) FX(x) FY(y)表示XY的分布函数所以y的密度函数是:fY(y)=FY'(y)=(1-FX(-lny))'=(-1)*(FX(-lny)'*(-lny)' =(-1)*fX(-lny)*(-1/y) =1/y*1/√2π*e^(-(-lny)^2/2) =1/y*1/√2π*e^((lny)^2/2) y>0
X~N(0,1),y=e^(-x)
y>0X的密度函数是fX(x)=1/√2π*e^(-x^2/2)那么FY(y)=P(Y<=y)=P(e^(-x)<=y)=P(x>=-lny)=1-P(x<
-lny)
=1-FX(-lny)
FX(x)
FY(y)表示XY的分布函数所以y的密度函数是:fY(y)=FY'(y)=(1-FX(-lny))'=(-1)*(FX(-lny)'*(-lny)'
=(-1)*fX(-lny)*(-1/y)
=1/y*1/√2π*e^(-(-lny)^2/2)
=1/y*1/√2π*e^((lny)^2/2)
y>0