对于离散型随机变量X，它的熵取决于（）

二维离散型随机变量（X,Y)的联合分布为（1)求X与Y的边缘分布;（2)判断X与Y是否独立？ （3)求X与Y的
二维离散型随机变量(X,Y)的联合分布为

(1)求X与Y的边缘分布;(2)判断X与Y是否独立？ (3)求X与Y的协方差Cov(X, Y).

请帮忙给出正确答案和分析，谢谢！

()值只能用计数的方法取得。

如果随机变量的一切可能取值为无限个可列实数，这样的随机变量叫做离散型随机变量。如用药物治疗患有某种非传染性疾病患者人数（）

PageRank算法是基于网页链接分析对关键字匹配搜索结果进行处理的。它借鉴传统引文分析思想：当网页甲有一个链接指向网页乙，就认为乙获得了甲对它贡献的分值，该值的多少取决于网页甲本身的重要程度，即网页甲的重要性越大，网页乙获得的贡献值就越高。由于网络中网页链接的相互指向，该分值的计算为一个迭代过程，最终网页根据所得分值进行检索排序。
互联网是一张有向图，每一个网页是图的一个顶点，网页间的每一个超链接是图的一个边，邻接矩阵B=(b)w如果从网页i到网页j有超链接，则by=1，否则为0。
记矩阵B的列和及行和分别是它们分别给出了页面j的链人链接数目和页面i的链出链接数目。假如在上网时浏览页面并选择下一个页面的过程，与过去浏览过哪些页面无关，而仅依赖于当前所在的页面。那么这一-选择过程可以认为是一一个有限状态、离散时间的随机过程，其状态转移规律用Markov链描述。定义矩阵A=(ay)wxn为式中:d是模型参数，通常取d=0.85;A是Markov链的转移概率矩阵;ay表示从页面i转移到页而j的概率。根据Markov链的基本性质，对于正则Markov链存在平稳分布x=式中:x为在极限状态(转移次数趋于无限)下各网页被访问的概率分布，Google将它定义为各网页的PageRank值。假设x已经得到，则它按分量满足方程网页i的PageRank值是划，它链出的页面有τ个，于是页面i将它的PageRank值分成r份，分别“投票"给它链出的网页。x为网页k的PageRank值，即网络上所有页面“投票给网页k的最终值。根据Markov链的基本性质还可以得到，平稳分布(即PageRank值)是转移概率矩阵A的转置矩阵AT的最大特征值(=1)所对应的归一化特征向量。
已知一个N=6的网络如图4.8所示，求它的PageRank取值。

请帮忙给出正确答案和分析，谢谢！

任何一个连续型随机变量X的分布函数F（x)一定满足（)
A.0≤f(x)≤1
B. 在定义域内单调增加
C.
D. 在定义域内连续

请帮忙给出正确答案和分析，谢谢！

对于模具设计者来说，模具型腔数量取决于经济因素和技术因素的综合考虑。（)

直线回归方程中的两个变量X和Y（)。

设二维随机变量（X，Y)是R= {（x，y) |0

请帮忙给出正确答案和分析，谢谢！

（β分布) 随机变量 X的密度函数为其中a＞0 ，β＞0 ，都是常数，试求：（1)系数A（2)EX，DX
(β分布) 随机变量 X的密度函数为

其中a＞0 ，β＞0 ，都是常数，试求：
(1)系数A
(2)EX，DX

请帮忙给出正确答案和分析，谢谢！

设随机变量X的密度函数为且EX=3/5，求a及b.
设随机变量X的密度函数为

且EX=3/5，求a及b.

请帮忙给出正确答案和分析，谢谢！

随机变量X服从一般正态分布，则随着的减小，概率将会（)。