设总体X是来自X的样本,求E(X)

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

xi独立同分布F1x=MAX(x1,x2,.)=（f(x,λ)）^n,然后根据期望的定义求相应的积分就是了,但是要注意指数分布当x《0时f=0

所求数学期望与X～N（0,1）的数学期望相同,为0.

根据无偏估计的定义,统计量的数学期望等于被估计的参数,具体到这里就是说E（c*X的平均值）=θ又由期望的性质E（c*X的平均值）=cE（X的平均值）=θ那么E（X的平均值）=θ/c又E（X的平均值）其

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

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)+

该样本遵从二项分布,则可先写出其分布律,然后将n个这样分布律联乘,之后这个连乘的函数取对数,再对取完对数后得到的函数对变量p求导,并令其等于零,得到的p就是其最大似然估计量,如果取完对数后得到的函数对

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.

c:1/2*x1+1/2*x2肯定对的再问：��ô������ģ�再答：D(1/2*x1+1/2*x2）=1/2*D(X)D(2/3*x1+1/3*x2）=5/9*D(X)D(1/4*x1+3/4*x

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

设X1X2...Xn为来自总体X的样本,总体X服从参数为λ的指数分布,即f(x,λ)=λexp(-λx)求X(1)和X(n)_百度知道设X1X2...Xn为来自总体X的样本,总体X服从参数为λ的指数分

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,

亲爱的同学,你的题目抄写错误或图片拍摄不清晰,老师无法清楚理解题意,请重新核实你的问题再提问,谢谢!

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