Y<0时，FY(y)=0
0<=Y<=1,时
FY(y)=p(Y<=y)=P(X²<=y)=P(-√y<=X<=√y)=∫(-√y,√y)f(x)dx=3√y/4
1<Y<=4时，
FY(y)=p(Y<=y)=P(X²<=y)=P(-1<X<=√y)=∫(-1,√y)f(x)dx=1/2+√y/4
Y>4时，
FY(y)=1
概率密度函数fY(y)=3/(8√y),0<=y<=1
fY(y)=1/(8√y), 1<Y<=4
其他为0
P（X≤-1/2,Y≤4)=P（X≤-1/2,X²≤4)=P(-1<=X<=-1/2)=1/4
如有意见，欢迎讨论，共同学习；如有帮助，请选为满意回答！
正态分布密度函数公式：f(x)=exp{-(x-μ)²/2σ²}/[√(2π)σ]。计算时，先算出平均值和标准差μ、σ，代入正态分布密度函数表达式，给定x值,即可算出f值。
正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），是一个非常重要的概率分布。在数学、物理及工程等领域以及统计学的许多方面有着重大的影响力。
正态分布最早由A棣莫弗在求二项分布的渐近公式中得到。CF高斯在研究测量误差时从另一个角度导出了它。PS拉普拉斯和高斯研究了它的性质。
参数含义：
正态分布有两个参数，即期望（均数）μ和标准差σ，σ2为方差。
正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以X=μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。
概率密度：f(x)=(1/2√π) exp{-(x-3)²/22}
根据题中正态概率密度函数表达式就可以立马得到随机变量的数学期望和方差：
数学期望：μ = 3
方差: σ²= 2
连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。
而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。当概率密度函数存在的时候，累积分布函数是概率密度函数的积分。
扩展资料：
连续型的随机变量取值在任意一点的概率都是0。作为推论，连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是，概率P{x=a}=0，但{X=a}并不是不可能事件。
由于随机变量X的取值 只取决于概率密度函数的积分，所以概率密度函数在个别点上的取值并不会影响随机变量的表现。
如果一个函数和X的概率密度函数取值不同的点只有有限个、可数无限个或者相对于整个实数轴来说测度为0（是一个零测集），那么这个函数也可以是X的概率密度函数。
参考资料来源：百度百科——概率密度函数
分布函数分别对x和y求偏导就可以。
^已经求出
f(x,y)= 24y(1-x) 0≤dux≤1，0≤y≤x0
根据定义，求得
①0≤x≤1,0≤y≤x时
F(X,Y)=12y^zhuan2(x-05x^2)
②0≤x≤1,x≤y
F(X,Y)=4x^3 - 3x^4
③1≤x,0≤y≤x
F(X,Y)=6y^2
④1≤x,x≤y
F(X,Y)=1
⑤其他
F(X,Y)=0
扩展资料：
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。
参考资料来源：百度百科-概率密度
以上就是关于求密度函数全部的内容，包括:求密度函数、正态分布密度函数是什么、概率密度函数表达式等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
