已知总体X的期望EX=0,方差DX=σ2存在,则σ2的无偏估计量是-搜答案-智慧作业帮

D(xy)=E(X^2*Y^2)-[E(XY)]^2=E(X^2)E(Y^2)-[E(X)E(Y)]^2

a=1-0.2-0.1-0.3=0.4EX=0*0.2+1*0.1+2*0.3+3*0.4=1.9x^2对应的概率分布为0、1、4、9P=0.2,0.1,0.3,0.4EX^2=0*0.2+1*0.1

EX^2与(EX)^2概念不一样,期望的运算只有特定的几个,别的不行.再问：E可以当做有分配率这回事吗再答：如果你不太了解期望，那你不要乱用。期望与方差的最基本公式是：DX=EX^2-(EX)^2EX

切比雪夫不等式P（|X-μ|》3σ）

E(X^2)-2EX+1=10E(X^2)-4EX+4=6所以EX=7/2E(X^2)=16D(X)=E(X^2)-[E(X)]^2=16-(7/2)^2

样本方差是一个统计量,从本质上讲,它是一个随机变量,取值是具有随机性的,因此不能把它当作某个确定的数字来处理.样本方差是总体方差的无偏估计的含义实质上是说样本方差这个随机变量的数学期望等于总体方差.当

证明：D(X)=E{[X-E[X]]^2}(方差的定义）=E{X^2-2*X*E[X]+E[X]^2}=E[X^2]-E{2*X*E[X]}+E{E[X]^2}=E[X^2]-2*E[X]*E[X]+

EY=0DY=1EY=E(x-u)/&=(EX-U)/&=0DY=D[(X-U)^2]/(&^2)而D[(X-U)^2]=E[(X-U)^2]-[E(X-U)]^2=E[(X-U)^2](后面项为0)

X～P(λ)期望E(X)=λ方差D(X)=λ利用泊松分布公式P(x=k)=e^(-λ)*λ^k/k!可知P(X=0)=e^(-λ)再问：那么P（X>1)之类的怎么求呢？？再答：可以用积分来求，不知道你

E（X）=∫(-∞,∞)e^y*(1/2π)^(1/2)*e^((y-u)/2)^2dy=e^(1/2+u)

E(X) 、D(X)均为常量

lambda

矩估计并不要求无偏估计,矩估计的要求就是用样本矩来代替总体矩,σ²是二阶中心矩,S²不是中心矩,因此矩估计时一般选σ²,这是符合矩估计定义的.而且在一次实验中其实也很难确

样本方差是总体方差的无偏估计样本方差是统计量总体方差是参数样本期望没有这个说法

1、E(X')=u,D(X')=σ2/n,E(S2)=DX,2、最大似然估计：a=-1-n/(lnx1+lnx2+...+lnn)矩估计：a=(1-2X')/(X'-1)X'代表X-好多符号显示不了,

设X服从标准正态分布,其分布函数为Φ(x),由于要：其密度函数是偶函数,故有：Φ(-a)=1-Φ(a).故a>=0时有：则P{|X|

Y=2+3XEY=E(2+3X)=3EX+2=5DY=D(2+3X)=3^2*DX+2=9DX=18

9.6吧,如果没计算错的话,过程的话直接照定义就可以了,用EZ²-（EZ）²=σ².EZ=2,然后EZ²=E（X²+4Y²+1+2X-4Y-

我来解!首先你要搞清楚s^2是个什么东西!第二你要搞清楚方差的概念!s^2就是方差!定义就是2阶中心距!2阶中心距=E(x-E(x)^2)=∑xE(x-E(x)^2)那么也就等与D（x）换句话说就是求

要证明随机变量样本的均值的期望等于总体的期望由样本独立同分布因此各样本期望均为总体的期望,再求和求平均即可.E[1/nΣxi]=1/nΣE[xi]=E[xi]=总体均值如果要问样本的均值为何以概率1收