x1.x2.....xn是取自设随机变量x~b(60.3),表示

首先应该是e(入)fxi(xi)=入e^(-入xi)i∈{1,2,...n}把所有乘一起,设联合密度=pp(x1,x2,x3.,xn)=入^ne^(-入nx)注意下面这个E(X)是期望值E(X)=1/

EX（X上面一横杠）=E[（X1+X2+……+Xn）/n]=1/n[E（X1)+E(X2)+……+E(Xn）]=1/n(U+U+……+U)=U1516

同学..这个已经接近柯西不等式的一般形式了一般形式为(a1^2+a2^2+.an^2)(b1^2+b2^2+...b^2)>=(a1b1+a2b2+.anbn)^2令ai=√xi,bi=1/√xi就得

题1本身就是柯西不等式,一步即得题2,3皆可用均值不等式调和平均数≤算术平均数3中化Xi^2\(1+Xi)为Xi-1+1\(1+Xi)

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

(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的分布列验证.

矩估计并不要求无偏估计,矩估计的要求就是用样本矩来代替总体矩,σ²是二阶中心矩,S²不是中心矩,因此矩估计时一般选σ²,这是符合矩估计定义的.而且在一次实验中其实也很难确

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

设其中有a个2,b个1,c个零,d个-1,可知a+b+c+d=n且a,b,c,d均为大于等于零的整数,并满足2a+b-d=194a+b+d=99令S=X1的立方+X2的立方+……Xn的立方则有S=8a

若样本X1,X2,...,Xn的平均数是A,方差M,那么样本a*X1+b,...,a*Xn+b的平均数是a*A+b,方差是a^2*M;答案1、12、93、7x1,x2.xn的平均数为3,即3=（x1+

是大于等于吧（X1+X2+...+Xn)(1/X1+1/X2+...+1/Xn)=[（√X1）²+（√X2）²+...+（√Xn）²][（√（1/X1))²+（

（1）平均数为x拔+a（2）平均数为bx拔（3）平均数为bx拔+a对于数据整体变化一致（每个数据做相同变化）的情况,新平均数相对原平均数的变化和整体变化相同

x1,x2,...,xn为实数|x1+x2+...+xn|=|x1+(x2+.+xn)|

a^2*S^2

这个不等式恒成立用柯西不等式便可证明出(x1^2+x2^2+x3^2+.+xn^2)*(1+1+1+.+1)>=(x1+x2+x3+.+xn)^2仅当x1=x2=x3=.=xn,等号成立所以这个不等式

Xn/（x1+x2+...Xn-1)(X1+X2...+Xn）=1/(x1+x2+...+xn-1)-1/(x1+x2+...+xn-1+xn)所以原式=1/x1-1/(x1+x2)+1/(x1+x2

两边取自然对数,并同除以n,只要证明(x1+x2+...+xn)/n*log[(x1+..+xn)/n]

分析：所谓排列的奇偶性,是指排列的逆序数为奇数还是为偶数.应用于线性代数的行列式.至于什么是“逆序数”,可以解释为调换原来次序的次数.例如“1,2,3,4,5”的逆序数为0（偶数）,而“1,3,2,4

(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