exy的平方等于多少
e的x方y方二重积分？
e的x方y方二重积分？
答案为4。
解题过程如下：
二重积分是二元函数在空间上的积分，同定积分类似，是某种特定形式的和的极限。本质是求曲顶柱体体积。重积分有着广泛的应用，可以用来计算曲面的面积，平面薄片重心等。平面区域的二重积分可以推广为在高维空间中的（有向）曲面上进行积分，称为曲面积分。
扩展资料
在极坐标系下计算二重积分，需将被积函数f（x，y），积分区域D以及面积元素dσ都用极坐标表示。函数f（x，y）的极坐标形式为f（rcosθ，rsinθ）。为得到极坐标下的面积元素dσ的转换，用坐标曲线网去分割D，即用以ra，即O为圆心r为半径的圆和以θb，O为起点的射线去无穷分割D，设Δσ就是r到r dr和从θ到θ dθ的小区域。
当f(x,y)在区域D上可积时，其积分值与分割方法无关，可选用平行于坐标轴的两组直线来分割D，这时每个小区域的面积ΔσΔx·Δy，因此在直角坐标系下，面积元素dσdxdy。
1 31
两元函数均值及协方差怎么求？
cov(x,y)EXY－EX*EY
协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论cov(x,y)EXY－EX*EY
协方差的定义，EX为随机变量X的数学期望，同理，EXY是XY的数学期望，挺麻烦的，建议你看一下概率论
举例：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) (1.1 1.9 3)/32
E(Y) (5.0 10.4 14.6)/310
E(XY)(1.1×5.0 1.9×10.4 3×14.6)/323.02
Cov(X,Y)E(XY)-E(X)E(Y)23.02-2×103.02
此外：还可以计算：D(X)E(X^2)-E^2(X)(1.1^2 1.9^2 3^2)/3 - 44.60-40.6 σx0.77
D(Y)E(Y^2)-E^2(Y)(5^2 10.4^2 14.6^2)/3-10015.44 σy3.93
X,Y的相关系数：
r(X,Y)Cov(X,Y)/(σxσy)3.02/(0.77×3.93) 0.9979
表明这组数据X,Y之间相关性很好!
扩展资料：
协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。
如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
若两个随机变量X和Y相互独立，则E[(X-E(X))(Y-E(Y))]0，因而若上述数学期望不为零，则X和Y必不是相互独立的，亦即它们之间存在着一定的关系。
协方差与方差之间有如下关系：
D(X Y)D(X) D(Y) 2Cov(X，Y)
D(X-Y)D(X) D(Y)-2Cov(X，Y)
协方差与期望值有如下关系：
Cov(X，Y)E(XY)-E(X)E(Y)。
协方差的性质：
（1）Cov(X，Y)Cov(Y，X)；
（2）Cov(aX，bY)abCov(X，Y)，（a，b是常数）；
（3）Cov(X1 X2，Y)Cov(X1，Y) Cov(X2，Y)。
由协方差定义，可以看出Cov(X，X)D(X)，Cov(Y，Y)D(Y)。
协方差作为描述X和Y相关程度的量，在同一物理量纲之下有一定的作用，但同样的两个量采用不同的量纲使它们的协方差在数值上表现出很大的差异。为此引入如下概念：
定义
称为随机变量X和Y的(Pearson)相关系数。
方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。
方差是衡量源数据和期望值相差的度量值。
方差在统计描述和概率分布中各有不同的定义，并有不同的公式。
在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：
为总体方差，
为变量，
为总体均值，
为总体例数。
实际工作中，总体均数难以得到时，应用样本统计量代替总体参数，经校正后，样本方差计算公式：S^2 ∑（X-
） ^2 / （n-1）
S^2为样本方差，X为变量，
为样本均值，n为样本例数。