设样本X1,X2,Xn是标准正态分布,X.S是样本均值和标准差,则-搜答案-搜搜做题作业网

U(-1,1) -->f(x) = 1/2 for -1 < x < 1;&nb

因为.X与S2分别为总体均值与方差的无偏估计，且二项分布的期望为np，方差为np（1-p），故E（.X）=np，E（S2）=np（1-p）．从而，由期望的性质可得，E（T）=E（.X）-E（S2）=n

首先应该是e(入)fxi(xi)=入e^(-入xi)i∈{1,2,...n}把所有乘一起,设联合密度=pp(x1,x2,x3.,xn)=入^ne^(-入nx)注意下面这个E(X)是期望值E(X)=1/

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

给你点提示,你就能做出来了,D（X1+X拔）=D（X1）+D（X拔）+2Cov（X1,X拔）式中,D（X1+X拔）=D[(1+1/n)X1+1/n(X2+X3+……Xn)]=(1+1/n)^2D(X1

解（见图片）

均匀分布的总体U的概率密度为f(u)=1/c.总体U的独立样本X1,X2,...,Xn的联合概率密度为：f*(x1,x2,...,xn)=Πf(xi)=1/(c的n次方)再问：求具体步骤再答：这已经是

服从~N（u,σ^2/n）正态分布

f(x1)=1/(2piσ^2)^0.5*exp[-(x1-μ)^2/2σ^2]...f(xn)=1/(2piσ^2)^0.5*exp[-(xn-μ)^2/2σ^2]L=f(x1)*f(x2)...f

因为是简单随机样本,所以各样本间相互独立,那么就有：E(X1+X2+……+Xn)=E(X1)+E(X2)+……+E(Xn)=μ+μ+……+μ=nμD(X1+X2+……+Xn)=D(X1)+D(X2)+

由Xi~N(3,4)得Xi-3~N(0,4)得(Xi-3)/4~N(0,4/(4^2))所以(Xi-3)/4~N(0,1/4)

E(X1-X2+X3-X4)=0D(X1-X2+X3-X4)=4D(X)=4χ²(1)D(√c(X1-X2+X3-X4))=c4=1c=1/4如有意见,欢迎讨论,共同学习；如有帮助,

选B,因为他的期望不是是uE(A)=uE(X1+X2+X3)=E(X1)+E(X2)+E(X3)=3uE(0.2X1+0.3X2+0.5X3)=0.2E(X1)+0.3E(X2)+0.5E(X3)=u

μσ^2/nσ^2

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

fX(x)=φ((x-u)/σ)/σf(X1,X2,...Xn)=fX1(x1)fX2(x2)..fXn(xn)=(1/√(2π)σ)^n*e^Σ(xi-u)²/(2σ)如有意见,欢迎讨论,

一样的还是2

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.

（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

均值=（X1+X2+.+Xn）/n方差=[(X1-均值)^2+(X2-均值)^2+.+(Xn-均值)^2]/n