设样本x1

U(-1,1)  -->f(x) = 1/2 for -1 < x < 1;&nb

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

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

所求数学期望与X～N（0,1）的数学期望相同,为0.

均匀分布的总体U的概率密度为f(u)=1/c.总体U的独立样本X1,X2,...,Xn的联合概率密度为：f*(x1,x2,...,xn)=Πf(xi)=1/(c的n次方)再问：求具体步骤再答：这已经是

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

E（s^2）=[σ^2/[(n-1)]*E[(n-1)*S^2/σ^2]=[(n-1)*σ^2/(n-1)]=σ^2你这个题发出来确实很独特,我还要先把他解码一下,才能帮你解答.

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

对任意i,显然都有E(Xi)=θ/2,故E(θ1)=2E(X0)=2/n∑E(Xi)=2*θ/2=θ令t=X(n)为次序统计量,根据次序统计量的密度公式,其密度为g(t)=nF(t)^(n-1)p(t

fX(x)=φ((x-u)/σ)/σf(X1,X2,...Xn)=fX1(x1)fX2(x2)..fXn(xn)=(1/√(2π)σ)^n*e^Σ(xi-u)²/(2σ)如有意见,欢迎讨论,

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

1)题目好像没写清楚.2)无偏估计量

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,

上面这个网址有关于这个结论的详细证明,如有不懂可追问.

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

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

根据韦达定理：x1+x2=-2（1）x1x2=-1（2）（1）^2-4（2）＝(x1-x2)^24+4=(x1-x2)^2x1-x2=±2√2再问：当x1＜x2的时候，那x1-x2是不是就只等于-2√