总体X自均值为μ,方差为seita²,X1,X2,Xn为来自总体X的 证明

对于θ,如果E（θ^）=θ,则θ^为θ的无偏估计.而样本均值可以认为是总体均值的无偏估计,即E（Xˉ）=E(X)=μ而样本方差可以认为是总体方差的无偏估计,即E（S^2）=D(X)=σ^2所以这个题就是要算E（θ^）=μ^2所以E（θ^）=

首先有结论：当诸Xi相互独立时,Var(∑Xi)=∑Var(Xi),证明的话用协方差Var(∑Xi)=Cov（∑Xi,∑Xi）=∑Cov（Xi,Xj）=∑Var(Xi）然后可得到：Var(1/n·∑Xi)=Cov（1/n·∑Xi,1/n·∑

请给分!

第一个标准正太第二个t（n-1）

选DX拔=0,所以A、B错C由单正态总体的抽样分布定理得X拔/(S/根号n)~t(n-1),C错D中把n-1移到分母里面,得到分子是自由度为1的卡方分布,分母是自由度为n-1的卡方分布,满足F分布的定义,所以D对

题目已经指出是简单随机样本,就说明X1...XN是独立的.

本均值的方差=D(X)／10=1.2

样本均值的方差等于总体方差除样本数20.总体方差=参数10

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)=uD项没看明白说的意思

DX拔=DX/n=(b-a)^2/12n再问：为什么分母有一个n呢再答：DX拔=DX/n样本均值的期望=总体的期望样本均值的方差=n分之总体方差

总体均值是mu,总体方差是sigma,它们是相对于样本均值E(X)和样本方差S^2(X)而言的,总体均值,总体方差是在抽样结果之前就已经知道的,而后两者是根据抽样样本来计算得到的.

样本均值?那不直接是(X1+.+Xn)/n不过应该不是问这个吧可以说详细点?再问：是等于N（μ，σ^2）吗再答：有完整的题目么？这个X~N（μ，σ^2）意思是总体X服从总体均值为μ，总体标准差为σ的正态分布分布。因为你问的是样本均值所以就是

令：Z=X-Y，则由于X，Y相互独立，且服从正态分布，因而Z也服从正态分布，且EZ=EX-EY=0-0=0，DZ=D（X-Y）=DX+DY=12+12＝1，因此，Z=X-Y～N（0，1），∴E|X-Y|=E|Z|=∫+∞−∞|z|12πe−

n=25,α=0.05,查t分布表得0.025的分位数为t(24)=2.0639,计算2.0639×√16/25=1.65112,所以总体均值95%的置信区间为(20-1.65112,20+1.65112)即(18.35,21.65)再问：

1.总体均值μ的点估计当然是1002.没有标准差怎么算第二小题?假设这个标准差是8,置信度0.95时,z=1.96,总体均值μ的置信区间=(100-1.96×8/100的平方根,100+1.96×8/100的平方根),即(98.43,101

X~B(n,p),本题n=2,p=0.3,所以E(样本均值）=np=2×0.3=0.6.

对于标准正态分布的取样,样本均值的期望就是0,样本方差的期望有两种理一种是样本内方差的期望,也就是标准差,是1一种是样本间方差的期望,标准误,公式为：s.e.=s.d./根号n对于本题,s.d.（标准差）=1,n=16,故s.e.（标准误）

由题意知：Y=(X-75)/15服从标准正态分布.所以P(X

4是方差?x1+..x16~N(12*16,4*16)均值-12=(x1+..x16-12*16)/16P(|均值-12|>1)=P(|x1+..x16-12*16|>16)即求16个样本和的分布同其期望的误差大於16的概率样本和分布的标准

2(1-Φ(2)),然后查正态分布表,用的是同分布中心极限定理.不好打,就是把样本均值与总体均值之差标准化,除以σ/√n,然后5也除以这个,因为这个标准正态分布关于Y轴对称,所以就2倍的那个了.