设X1,X2,Xn 是来自概率密度为f(x:θ)

L=f(x1)f(x2)...f(xn)=θ^n(1-x1)^(θ-1).(1-xn)^(θ-1)..lnL=nlnθ+(θ-1)[ln(1-x1)(1-x20...(1-xn)]dln/dθ=n/θ

U(-1,1)  -->f(x) = 1/2 for -1 < x < 1;&nb

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/

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)

你上几年级啊!哥也无奈吗不是?

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

X(1)f1(x)=n*(F(x))^(n-1)*f(x)F1(x)=(F(x))^nX(n)fn(x)=n*(1-F(x))^(n-1)*f(x)Fn(x)=(1-F(x))^n其中f(x)F(x)

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)+

依概率收敛于E(X²)=D(X)+E²(X)=2+4=6E[Σ(Xi-X均值)²/(n-1)]=s²=no²/(n-1)E[Σ(Xi-X均值)

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

设其中有a个2,b个1,c个零,d个-1,可知a+b+c+d=n且a,b,c,d均为大于等于零的整数,并满足2a+b-d=194a+b+d=99令S=X1的立方+X2的立方+……Xn的立方则有S=8a

x1,x2,...,xn为实数|x1+x2+...+xn|=|x1+(x2+.+xn)|

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,

a^2*S^2

均值=（X1+X2+.+Xn）/n方差=[(X1-均值)^2+(X2-均值)^2+.+(Xn-均值)^2]/n

分析：所谓排列的奇偶性,是指排列的逆序数为奇数还是为偶数.应用于线性代数的行列式.至于什么是“逆序数”,可以解释为调换原来次序的次数.例如“1,2,3,4,5”的逆序数为0（偶数）,而“1,3,2,4

矩估计E(x)=∫(-∞,+∞)f(x)xdx=θ/(1+θ)X'=Σxi/n=E(x)=θ/(1+θ)θ=x'/(1-x'),其中Σxi/n最大似然估计f(xi.θ)=θ^nx1^(θ-1)x2^(