设总体X~N(a,4),x1,x2--xn是取自总体X的一个样本,

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

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

自由度肯定是2,就是可以转化成两个标准正太分布的平方之和,a,b都是来让后边的两个分布都等于标准正太分布的.再问：我自己已经做出来了，不过分还是给你好了……

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)+

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.

大数定律：一组相互独立且具有有限期望与方差的随机变量X1，X2，…，Xn，当方差一致有界时，其算术平均值依概率收敛于其数学期望的算术平均值．这里X21，X22，…，X2n满足大数定律的条件，且EX2i

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

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

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

P{min{X1,X2,X3,X4,X5}

X1,X2.Xn来自总体为N(0,σ^2)=>∑xi~N(0,nσ^2)=>∑xi/√(nσ^2)~N(0,1)=>[∑xi/√(nσ^2)]^2~x^2(1)=>C=nσ^2

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）

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

x1+x2~N(0,8)x3+x4+x5~N(0,12)x6+x7+x8+x9~N(0,16)由于x^2分布定义为标准正态分布的平方和,因此a(x1+x2),b(x3+x4+x5),c(x6+x7+x

再问：啊在书上看到了概念不好意思==三克油么么哒ww

X:自由度n=3,标准化Xi即Xi=Xi/σ,χ2(3)=(X1^2+X2^2+X3^2)/σ^2Y:因为已知均值,故自由度n=4-1=3,同理χ2(3)=((Y1-A)^2+(Y2-A)^2+(Y3

(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