设总体X的均值为,方差为,(x1,x2,x3...xn)确定无偏估计量

来源:学生作业帮助网 编辑:作业帮 时间:2024/05/14 11:54:22
设两个随机变量X,Y相互独立,且都服从均值为0、方差为12

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

总体X具有均值μ,方差σ^2.从总体中取得容量为n的样本,Xˉ为样本均值,S^2为样本方差

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

设两个随机变量X,Y相互独立,且都服从均值为0,方差为1/2的正态分布,求随机变量|X-Y|的方差.

分析:这个直接求,有直接定理E(X)=E(Y)=u=0Z=X-YE(|Z|)=(2/√2π)∫ze^(-z^2/2)dz=√(2/π)D(X)=D(Y)=1/2D(|X-Y|)=E(|X-Y|^2)-

设X和Yshi相互独立且都服从均值为0,方差为1/2的正态分布求随机变量|X-Y|的方差

真正的|X-Y|的方差要比这样算的小很多...定义I{x>y}=1如果x>y;否则为0I{x

设X1,X2,……Xn是总体X的样本,总体方差存在,X拔是样本均值,求X1与X拔的相关系数

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

设(X1,X2,...,Xn)为总体X~N(0,1)的一个样本,X拔为样本均值,S^2为样本方差,则有( )

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

设总体X~N(40,25的平方),从总体X中抽取一个容量为100的样本,求样本均值与总体均值之差的绝对值大于5的概率.

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.

设总体X,X1,X2...Xn是取自总体X的一个样本,A为样本均值,则不是总体期望μ的无偏估计的是?

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

设总体X服从正态分布X~N(μ,σ^2),X1,X2,...,Xn为来自该总体的一个样本,则样本均值是

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

样本方差 总体方差假定X1,X2,...,Xn为来自总体的重置简单随机样本,总体均值为μ、方差σ^2,Xˉ为样本均值.由

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·∑X

设X和Y相互独立,都服从均值为0,方差为0.5的正态分布,为啥X-Y~N(0,1)

X和Y相互独立,都服从均值为0,方差为0.5的正态分布,则由性质可得到:X-Y也是一正态分布.这点高数书上有.由均值的性质可以得到X-Y的均值=X的均值-Y的均值,故X-Y的均值为0由方差的性质可以得

设随机变量X与Y独立,且X服从均值为1、标准差(均方差)为2的正态分布,而Y服从标准正态分布.

由已知X服从均值为1、标准差(均方差)为2的正态分布,所以X−12~N(0,1),E(X)=1,D(X)=2;由Y服从标准正态分布,所以:Y~N(0,1),E(Y)=0,D(Y)=1;又X、Y相互独立

设总体X的密度函数为 ,现已知样本均值为 ,求参数θ的矩法估计值 .

u=∫x/(θ-5)dx=x^2/2(θ-5)│(5~θ)=(θ+5)/2而μ‘=x’故(θ‘+5)/2=12得到θ’=19

设总体X服从区间(a,b)上的均匀分布,X1,X2,······Xn是来自总体X的一个样本,则样本均值的方差为

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