设总体X~N(u,) 未知,X1,X2...Xn 为其一组样本观察值-搜答案-搜狗做题网

这个用卡方分布算,n次卡方差是知道的,就可以求出来了,其实你也可以直接算,将其展开,用最原始的方法算,E（X^2)-E(x)^2,算,这题我做08年试卷,就是硬算的,可以做的,但是做的时候要小心查看原

再问：请问Var是什么啊？再答：方差呀

EX（X上面一横杠）=E[（X1+X2+……+Xn）/n]=1/n[E（X1)+E(X2)+……+E(Xn）]=1/n(U+U+……+U)=U1516

根据无偏估计的定义,统计量的数学期望等于被估计的参数,具体到这里就是说E（c*X的平均值）=θ又由期望的性质E（c*X的平均值）=cE（X的平均值）=θ那么E（X的平均值）=θ/c又E（X的平均值）其

U=n^(1/2)*(xˉ-μ)/σ～N(0,1),D(U)=1.

1、∑(Xi-x)^2/σ^2~χ(n-1)2、样本方差S^2的定义：S^2=(1/(n-1))*∑(Xi-x)^2两者系数比较一下,选择C

U=n^(1/2)*(xˉ-μ)/σ服从标准正态分布,即UN(0,1),因此,D(U)=1.

对任意i,显然都有E(Xi)=θ/2,故E(θ1)=2E(X0)=2/n∑E(Xi)=2*θ/2=θ令t=X(n)为次序统计量,根据次序统计量的密度公式,其密度为g(t)=nF(t)^(n-1)p(t

N(0,σ^2)E(X1+X2)=EX1+EX2=0D(X1+X2)=DX1+DX2=2σ^2X1+X2~N(0,2σ^2)同理：X1-X2~N(0,2σ^2)所以1/√2σ(X1+X2)~N(0,1

上面这个网址有关于这个结论的详细证明,如有不懂可追问.

正态分布的规律,均值X服从N（u,（σ^2）/n）因为X1,X2,X3,...,Xn都服从N（u,σ^2),正太分布可加性X1+X2...Xn服从N（nu,nσ^2).均值X=（X1+X2...Xn）

(1).X的密度函数f(x)=1/(2Ө-Ө)=1/Ө,(Ө≤x≤2Ө);f(x)=0,其他.EX=∫[Ө,2Ө]x

（1）如果对任意的n,有Xn+1=Xn+2计算X2=（5）X3=（7）X4=（9）①根据上面一小题的结果,请试着把Xn用n表示出来：Xn=（2n+1）②计算X2004=（2009）（2）如果对任意的n

第一个标准正太第二个t（n-1）

再问：啊在书上看到了概念不好意思==三克油么么哒ww

s^2是修正样本方差,那么17*s^2/σ^2符合卡方(17)分布,p(s^2/a^217*1.2052)=1-p(17*s^2/σ^2>20.4884),查表,=1-X^2(17),上分位点α=0.

(X1,…,Xn)是个随机向量,B(n,p)是一个随机变量的分布,二者维数不同.应该是X=X1…Xn~B(n,p)就对了,前提是诸Xi彼此独立.可以直接求X的

已知是均匀分布,立刻能写出每一个Xi的密度函数都是f(x)＝1/(b－a)a＜Xi＜b那么它们的分布函数也能写出：当Xi＜a时,F(x)＝0当a＜Xi＜b时,F(x)＝∫f(t)dt＝(x－a)/(b

数学期望你会算吧.三道大题计算量太大了.我说一下怎么做算了.一阶矩估计就是求数学期望.,一个参数时求一下期望就能得到了.最后的那个期望改写成x拔,那个x拔=一个含预估参数的表达式,反过来用x拔表达参数