设X1,X2...Xn来自总体为N(0,σ^2)分布的样本则且随机变量Y=C(∑xi)^...
X1,X2...Xn来自总体为N(0,σ^2)=>∑xi~N(0,nσ^2)=>∑xi\/√(nσ^2)~N(0,1)=>[∑xi\/√(nσ^2)]^2~x^2(1)=> C=nσ^2
设X1,X2,...Xn是来自正态总体N(μ,σ^2)的简单随机样本
2、确实是积分出来的。是根据数学期望的定义,对误差与积分密度函数的乘积从0到∞的结果再乘以2倍。这就等于2倍的1\/√(2π)=√(2\/π)。其实不用积分也该知道结果,那就是平均误差。
设X1,X2,...Xn是来自正态总体N(μ,σ^2)的简单随机样本?
所以-n\/(2σ^2)+[(x1-μ)^2\/+...+(xn-μ)^2]\/2σ^4=0 σ^2=[(x1-μ)^2\/+...+(xn-μ)^2]\/n,4,设X1,X2,...Xn是来自正态总体N(μ,σ^2)的简单随机样本 设(X1,X2,...Xn)是来自正态总体N(μ,σ^2)的一个样本,记Y1=1\/6(X1+X2+…+X6),Y2=1\/3(X7+...
...设X1,X2,...,Xn是来自正态总体X~N(μ,σ²)的一个简单随机样本_百 ...
数理统计问题,设X1,X2,...,Xn是来自正态总体X~N(μ,σ²)的一个简单随机样本,求常数C的值,使^σ²=C∑n-1,i=1(Xi+1-Xi)²是σ的无偏估计量。... 数理统计问题,设X1,X2,...,Xn是来自正态总体X~N(μ,σ²)的一个简单随机样本,求常数C的值,使^σ²=C∑n-1,i=1(Xi+1-Xi)...
设X1,X2,X3,X4是来自正态总体N(0,4)的样本,令统计量Y
若X1,X2,X3,X4独立,(X1+X2)服从N(0,8),则(1\/8)(X1+X2)^2服从卡方1;(X3-X4)服从N(0,8),则(1\/8)(X3-X4)^2服从卡方1;当C=1\/8时,CY服从卡方2;若X1,X2,...,Xn服从N(0,1),且X1,X2,...,Xn独立,则X1+X2+...+Xn服从N(0,n)。
设x1,x2...xn是来自总体X的简单随机样本值,已知Y=lnX服从正态分布N(μ...
设x1,x2...xn是来自总体X的简单随机样本值,已知Y=lnX服从正态分布N(μ,1).(1)求μ的置信度为0.95的区间估计(2)求X的数学期望的置信度为0.95的区间估计... 设x1,x2...xn是来自总体X的简单随机样本值,已知Y=lnX服从正态分布N(μ,1). (1)求μ的置信度为0.95的区间估计(2)求X的数学期望的置信度...
设x1,x2,...xn是来自正态总体x~n(u,δ^2)
=1\/n [E(X1)+E(X2)+……+E(Xn)]=1\/n (U+U+……+U)=U ^f(x1)=1\/(2piσ^2)^0.5*exp[-(x1-μ)^2\/2σ^dao2]f(xn)=1\/(2piσ^2)^0.5*exp[-(xn-μ)^2\/2σ^2]L=f(x1)*f(x2)...f(xn)=[1\/(2piσ^2)^0.5]^n*exp[-(x1-μ)^2\/2σ^2+...-...
设X1,X2,...Xn是取自正态总体X~N(μ,σ^2)的一个样本,则1\/(σ^2...
设X1,X2,...Xn为来自正态总体X~N(μ,σ^2)的一个样本,μ已知,求σ^2的极大似然估计 f(x1)=1\/(2piσ^2)^0.5*exp[-(x1-μ)^2\/2σ^2]L=f(x1)*f(x2)...f(xn)=[1\/(2piσ^2)^0.5]^n*exp[-(x1-μ)^2\/2σ^2+...-(xn-μ)^2\/2σ^2]L=[1\/(2piσ^...
设X1,X2,...Xn是来自正态总体X~N(μ,σ^2)的简单随机样本
简单计算一下即可,答案如图所示
设X1,X2,...Xn是来自正态总体N(μ,σ^2)的简单随机样本
f(xn)=1\/(2piσ^2)^0.5*exp[-(xn-μ)^2\/2σ^2]L=f(x1)*f(x2)...f(xn)=[1\/(2piσ^2)^0.5]^n*exp[-(x1-μ)^2\/2σ^2+...-(xn-μ)^2\/2σ^2]L=[1\/(2piσ^2)^0.5n]*exp{-[(x1-μ)^2\/+...+(xn-μ)^2]\/2σ^2} lnL=ln[1\/(2piσ^2)^0....