设随机变量X服从指数分布，其概率密度为，其中θ＞0是常数，求E(X)，D(X)。

设随机变量X服从拉普拉斯分布，其概率密度为，其中1＞0为常数,求X的k阶中心矩。

（韦布尔（Webull)分布)设随机变量X服从指数分布e（1/a),求随机变量函数Y=X1/β的概率密度,其中a＞0,β＞0都是常数.

设随机变量X服从自由度为k的分布，其概率密度为

其中k为正整数，求X的数学期望和方差。

设随机变量（X，Y)服从二维正态分布N（0, 0, 10², 10², 0),其概率密度为，求P{X≤Y}。

设随机变量(X，Y)服从二维正态分布N(0, 0, 10², 10², 0),其概率密度为，求P{X≤Y}。

设随机变量X，Y相互独立，若X服从（0，2)上的均匀分布，Y服从参数为2的指数分布，求随机变量Z=X+Y的概率密度。

随机变量X服从指数分布（exponentialdistribution)，如果它有如下的概率密度函数：其中θ＞0是此分

随机变量X服从指数分布(exponentialdistribution)，如果它有如下的概率密度函数：

其中θ＞0是此分布的参数。试用ML证明θ的M估计量是，其中n为样本容量。也就是证明θ的ML估计量是样本均值。

设二维随机变量（X,Y)服从二维正态分布,概率密度为求随机变量函数Z=X/Y的概率密度.

设二维随机变量(X,Y)服从二维正态分布,概率密度为

求随机变量函数Z=X/Y的概率密度.

设随机变量（X，Y)服从二维正态分布，其概率密度为