设二维随机变量（X,Y）的概率密度为：f(x,y)=12y^2,0<=y<=x<=1;f(x,y)
EX=∫∫[0<=y<=x<=1] xf(x,y)dxdy=∫[0->1]∫[0->x] 12xy²dydx=4/5
EY=∫∫[0<=y<=x<=1] yf(x,y)dxdy=∫[0->1]∫[0->x] 12y³dydx=3/5
E(X²+Y²)=∫∫[0<=y<=x<=1] (x²+y²)f(x,y)dxdy=∫[0->1]∫[0->x] 12x²y²+12y^4dydx=16/15
含义
则X为连续型随机变量，称f(x)为X的概率密度函数，简称为概率密度。
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。
EX=∫∫[0<=y<=x<=1] xf(x,y)dxdy=∫[0->1]∫[0->x] 12xy²dydx=4/5
EY=∫∫[0<=y<=x<=1] yf(x,y)dxdy=∫[0->1]∫[0->x] 12y³dydx=3/5
E(X²+Y²)=∫∫[0<=y<=x<=1] (x²+y²)f(x,y)dxdy=∫[0->1]∫[0->x] 12x²y²+12y^4dydx=16/15
扩展资料
按照随机变量可能取得的值，可以把它们分为两种基本类型：
离散型
离散型（discrete）随机变量即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。
连续型
连续型（continuous）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。
