x1.x2...xn是取自正态总体N的容量样本与自由度的关系,注册电气

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)

两边同乘[(1+x1)+(1+x2)+.(1+xn)]即(n+1)即证：[(1+x1)+(1+x2)+.(1+xn)]*[x1^2/1+x1+x2^2/1+x2+...+xn^2/1+xn]=>1显然

选C啦

服从~N（u,σ^2/n）正态分布

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

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)+

由Xi~N(3,4)得Xi-3~N(0,4)得(Xi-3)/4~N(0,4/(4^2))所以(Xi-3)/4~N(0,1/4)

E(X1-X2+X3-X4)=0D(X1-X2+X3-X4)=4D(X)=4χ²(1)D(√c(X1-X2+X3-X4))=c4=1c=1/4如有意见,欢迎讨论,共同学习；如有帮助,

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

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

服从X^2(n-1)分布,那个X不是未知数X,长得像而已,手机打不出来,抱歉.因为(x-u)^2求和,等于n-1倍的样本方差平方,然后就是定理了,手机不好打阿~

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

(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