设x1x2xn是总体N(u,4)的样本,s^2是样本方差,若PS>a

（1）若M⊆N，则∁UM⊇∁UN；（2）若∁UM=N，则M=∁UN．故答案为：⊇，=．

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

EX（X上面一横杠）=E[（X1+X2+……+Xn）/n]=1/n[E（X1)+E(X2)+……+E(Xn）]=1/n(U+U+……+U)=U1516

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

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)+

由Xi~N(3,4)得Xi-3~N(0,4)得(Xi-3)/4~N(0,4/(4^2))所以(Xi-3)/4~N(0,1/4)

U=n^(1/2)*(xˉ-μ)/σ～N(0,1),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

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）

(1).X的密度函数f(x)=1/(2Ө-Ө)=1/Ө,(Ө≤x≤2Ө);f(x)=0,其他.EX=∫[Ө,2Ө]x

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

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

第一个标准正太第二个t（n-1）

再问：啊在书上看到了概念不好意思==三克油么么哒ww

s^2是修正样本方差,那么17*s^2/σ^2符合卡方(17)分布,p(s^2/a^217*1.2052)=1-p(17*s^2/σ^2>20.4884),查表,=1-X^2(17),上分位点α=0.

(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

已知是均匀分布,立刻能写出每一个Xi的密度函数都是f(x)＝1/(b－a)a＜Xi＜b那么它们的分布函数也能写出：当Xi＜a时,F(x)＝0当a＜Xi＜b时,F(x)＝∫f(t)dt＝(x－a)/(b

数学期望你会算吧.三道大题计算量太大了.我说一下怎么做算了.一阶矩估计就是求数学期望.,一个参数时求一下期望就能得到了.最后的那个期望改写成x拔,那个x拔=一个含预估参数的表达式,反过来用x拔表达参数