设二维随机变量（X，Y）的联合密度为 数学公式复好难打带积分制的公式就不打了，都2113是书上公式按所求的5261量去4102找就可以找得到了。(1)由1653F(0，0)=1可以求K算式书上应该可以找到，就是由联合概率密度求原函数那个公式把积分域改成0到1就可以了最后化得K/6=1得K=6(2)由于是二维随机变量，所以协方差矩阵形如：C11 C12C21 C22其中：C11=E{[X-E(X)]^2}=D(X)C12=C21=E{[X-E(X)][Y-E(Y)]}=Cov(X，Y)=E(XY)-E(X)E(Y)C22=E{[Y-E(Y)]^2}=D(Y)方法一：先求：X的边缘概率密度得2XY的边缘概率密度得3Y^2再求：E(X)=2/3E(Y)=3/4E(XY)=1/2再求：D(X)=1/18D(Y)=3/80Cov(X，Y)=0得协方差矩阵为1/18 00 3/80方法二：求边缘密度：f(x)=2xf(y)=3y^2可知：p(x，y)=f(x)f(y)则随即变量X与Y相互独立Cov(X，Y)=0求E(X)，E(Y)求D(X)，D(Y)综合成协方差矩阵(3)相关系数=0，(4)f(z)=2z-3/2
用matlab实现 n维正态分布密度函数的求解，已知均值向量和协方差矩阵 我认为 均值向量就是对应的n维个变量的均值，协方差矩阵的对角线就是其对应的方差值，这样带入正态分布的概率密度函数可以了
高斯分布的概率密度函数对协方差矩阵求导 题主直接在上搜bai索“多元正态分布 题主直接在上搜bai索“多元正态分布 最大似然估计”就可以找到一些讲推导的网页；但大部du分都是用矩阵代数的办法做的，即用。
