设为来自总体的一个样本,其中未知,则下面不是统计量的是( ).

a=4..再问：��Ĺ����>再答：��������ֲ�Ҫ�����DZ�׼��̬�ֲ�Xi/0.5~N(0,1)Xi^2/0.25=a*Xi^2a=4

服从卡方分布,可以从x2的定义中知道,自由度为6,因为从x1到x6c的值不太清楚.

X服从参数为λ的泊松分布,EX=λ.把EX换成一阶样本矩Xˉ,即得矩估计量为λ^=Xˉ.

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

服从卡方分布.χ²√c(x1+x2+x3)属于标准正态分布D(√c(x1+x2+x3))=3cσ²=1c=1/3σ²自由度为2.再问：c前面那个符号是什么？？再答：根号√

X(1)f1(x)=n*(F(x))^(n-1)*f(x)F1(x)=(F(x))^nX(n)fn(x)=n*(1-F(x))^(n-1)*f(x)Fn(x)=(1-F(x))^n其中f(x)F(x)

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

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

U=n^(1/2)*(xˉ-μ)/σ～N(0,1),D(U)=1.

c:1/2*x1+1/2*x2肯定对的再问：��ô������ģ�再答：D(1/2*x1+1/2*x2）=1/2*D(X)D(2/3*x1+1/3*x2）=5/9*D(X)D(1/4*x1+3/4*x

极大似然估计的方法：1、构造似然函数,L(x1,x2,...,xn)=每个Xi密度函数的连乘.每个Xi的密度函数与总体的密度函数相同.2、求L(x1,x2,...,xn)或lnL(x1,x2,...,

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

用最大似然估计法估计出λ,或用矩估计法来估计可得λ估计量=X拔=（X1+X2+…+Xn)/n最大似然估计法L(λ)=∏【i从1到n】λ^xi*e^(-λ)/xi!lnL(λ)=(x1+x2+…+xn)

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

样本与总体同分步,也是P(λ),这是数理统计的规定.希望可以帮到你,如果解决了问题,请点下面的"选为满意回答"按钮,

亲爱的同学,你的题目抄写错误或图片拍摄不清晰,老师无法清楚理解题意,请重新核实你的问题再提问,谢谢!

1.由伽方分布的性质有：\x0dY=X1+X2+...+Xn服从自由度为nm的伽方分布,记其密度为fY（t）.\x0d2.样本均值Z=Y/n,Z的分布函数记为FZ（z）=P{Z<=z}=P{Y&

样本方差Sn运用定理（n-1）Sn^2/σ^2服从自由度为（n-1）的χ方分布代入数据(9-1)*6/16=3(9-1)*14/16=7查表+线性插入计算得P(χ^2(8)>3)=0.932P(χ^2

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

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