高斯过程在任一时刻上的取值是一个正态分布的随机变量，也称高斯随机变量（）

表示一个随机变量取值的平均程度的数字特征是() 平稳随机过程在任一时刻的取值（） 若两个随机变量都服从正态分布，则他们的和一定也服从正态分布 已知一个随机变量X，另一随机变量Y=ln(X)，Y服从正态分布，且均值为0，标准差为1。 X的期望值是多少？ 已知随机变量X服从正态分布N(μ，σ2)，设随机变量V=2X-3，则Y服从的分布是()。 已知随机变量X服从正态分布N(μ，σ2)，设随机变量V=2X-3，则Y服从的分布是()。 两个边缘分布都是一维正态分布的二维随机变量，则它们的联合分布一定是一个二维正态分布. 设随机变量X服从正态分布N(-1，9)，则随机变量Y=2-X服从( ). 概率分布是一个随机变量取任何给定值或属于某一给定值集的概率随机取值而变化的函数。概率分布通常用概率密度函数随随机变量变化的来表示（） 已知一个随机变量X，另一随机变重Y=ln(X)，Y服从正态分布，且均值为0，标准差为1。 X服从什么分布？ 如果知道了某一随机变量正态分布的，则此正态分布曲线就完全确定（） 已知一个随机变量X，另一随机变重Y=ln(X)，Y服从正态分布，且均值为0，标准差为1。 则变量动始终大于零。 二项分布随机变量是n个独立同分布的两点分布随机变量之和. 一个随机变量的离散、连续取决于随机变量所代表的(    ) 设随机变量X和Y都服从正态分布，则（　　）. 若离散型随机变量有有限个可能取值，则该随机变量的数学期望一定存在 假设将大量独立的随机变量相加,不论原来的随机变量是多少,它们的和会趋向于正态分布。 () 如果X是服从正态分布的随机变量，则exp(X)服从（ ）。 如果X是服从正态分布的随机变量，则exp(X)服从（　　）。 如果X是服从正态分布的随机变量，则exp（x）服从（　　）。