结果为：
解答过程（因有分布符号和底数符号无法打出，故只能截图）如下：
扩展资料
样本均值的抽样分布是所有的样本均值形成的分布，即μ的概率分布。样本均值的抽样分布在形状上却是对称的。随着样本量n的增大，不论原来的总体是否服从正态分布，样本均值的抽样分布都将趋于正态分布，其分布的数学期望为总体均值μ，方差为总体方差的1/n。
当总体服从正态分布时，样本均值一定服从正态分布，即有X~N( )时，
若总体为未知的非正态分布时，只要样本容量 n足够大(通常要求n ≥30),样本均值仍会接近正态分布。样本分布的期望值为总体均值，样本方差为总体方差的1/n 。这就是统计上著名的中心极限定理。
该定理可以表述为：从均值为μ、方差为σ^2（有限）的总体中，抽取样本量为n的随机样本，当n充分大时(通常要求n ≥30)，样本均值的分布近似服从均值为μ ,方差为σ^2/n 的正态分布。
如果总体不是正态分布，当n为小样本时(通常n<30)，样本均值的分布则不服从正态分布，服从t分布。
结果为：
解题过程如下：
扩展资料
当总体服从正态分布时，样本均值一定服从正态分布，即有X~N( )时，
若总体为未知的非正态分布时，只要样本容量 n足够大(通常要求n ≥30),样本均值仍会接近正态分布。样本分布的期望值为总体均值，样本方差为总体方差的1/n 。这就是统计上著名的中心极限定理。
该定理可以表述为：从均值为μ、方差为σ^2（有限）的总体中，抽取样本量为n的随机样本，当n充分大时(通常要求n ≥30)，样本均值的分布近似服从均值为μ ,方差为σ^2/n 的正态分布。
简单计算一下即可，答案如图所示
再把n除到k下面去就可以了
设总体x服从泊松分布p(λ),x1,x2,..xn为其样本,求其样本均值的...
结果为：解题过程如下：
设总体X服从泊松分布 P(λ),X1,X2,…,Xn为取自X的一组简单随机样本,求...
P(x-=2...(X=xn)=N)(xien)\/xil,然后两边取对数,再对)求导,令导数为零，得到入的极大似然估计。极大似然估计方法（Maximum Likelihood Estimate，MLE）也称为最大概似估计或最大似然估计，是求估计的另一种方法，最大概似是1821年首先由德国数学家高斯（C. F. Gauss）提出，但是这个方法通常被...
设总体X~P(λ),则来自总体X的样本X1,X2...Xn的样本概率分布为
样本概率分布为由已知得：N1～B（n，1-θ），N2～B（n，θ-θ2），N3～B（n，θ2），因为：E（T）=E(3i＝1aiNi)=a1E（N1）+a2E（N2）+a3E（N3）=a1n（1-θ）+a2n（θ-θ2）+a3nθ2 =na1+n（a2-a1）θ+n(a3?a2)θ2。由：E（T）=θ，得：a1＝0，a2＝1n，a3＝1n，...
设总体X服从n的卡方分布,X1,X2…Xn为其样本,求样本平均值X bar的数学...
样本均值的期望是n，方差是2\/n。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X~f（x，λ）=λexp（-λx）求X（1）和X（n）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X~f（x，λ）=λexp（-λx）求X（1）和X（n）设X1X2...Xn为来自总体X的样本...
设总体x服从正态分布n x1,x2,x3,xn 是它的一个样本,则样本均值a服从什 ...
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）\/n，所以X期望为u，方差D(X)=D（X1+X2...Xn）\/n^2=σ^2\/n 均值是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是...
分布列求均值
设总体服从泊松分布，x～π(λ)，x1，x2，…，xn是来自总体的一个样本，和s2分别表示样本均值和样本方差，求泊松分布的均值，期望和方差。均值：= ；期望和方差：
设总体X服从参数为λ的泊松分布,其中λ未知.X1,…,Xn是取自总体X的样本...
【答案】：A
怎么求样本均值的概率分布?
设X为随机变量，X1,X2,...Xi,...,Xn为其n个样本，DX为方差。根据方差的性质，有D(X+Y)=DX+DY，以及D(kX)=k^2*DX，其中X和Y相互独立，k为常数。于是D(ΣXi\/n)=ΣD(Xi)\/(n^2)=DX\/n。均值是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。
最大似然估计的公式
设总体X服从泊松分布P(λ)，P(X≥1) 的最大似然估计量是1λxixi！e−λ=e−nλnπi＝1λxixi！∴lnL＝−nλ+ni...因为X服从参数为λ的泊松分布；所以P(X＝m)＝λmm!e−λ，（m=0，1，2，…）设x1，x2，…xn是来自总体的一组样本观测值则最大似然函数为...
设总体X服从正态分布X~N(μ,σ^2),X1,X2,...,Xn为来自该总体的一个...
解析：U=n^(1\/2)*(xˉ-μ)\/σ服从标准正态分布；即U N(0,1)；因此D(U)=1。正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。正态分布具有两个参数μ和σ^2的连续型随机...
