设X1,X2是总体X的样本,EX=

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

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/

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

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

1、∑(Xi-x)^2/σ^2~χ(n-1)2、样本方差S^2的定义：S^2=(1/(n-1))*∑(Xi-x)^2两者系数比较一下,选择C

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.

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

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

1、E(X')=u,D(X')=σ2/n,E(S2)=DX,2、最大似然估计：a=-1-n/(lnx1+lnx2+...+lnn)矩估计：a=(1-2X')/(X'-1)X'代表X-好多符号显示不了,

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,

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）

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

X1和X2独立但X与自己确不独立再问：主要是为什么不能X1=X2=X这样理解？再答：X1,X2虽然与X独立同分布，但抽样时取值完全可能不同如X-U[1,5]X1取2时，X2取到的值可能为4

满足E(T)=E(X)E(X1+X2+CX3)=E(X)2E(X)+CE(X)=E(X)(2+C)=1C=-1

这是服从什么分布的啊.?这个不可能没说吧?如果是正态分布的话2X2-X1-X应该服从的是标准差的无偏估计吧怎么会是数学期望.这是服从什么分布啊.?再问：对是正态分布。结果是不是等于o啊？？再答：结果不

(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