设是取自总体的一个样本.的密度函数为其中未知,,求的矩估计和最大似然估计.

EX=mp=(x1+x2+...+xn)/n所以p的矩估计量为(x1+x2+...+xn)/(mn)而E[(x1+x2+...+xn)/(mn)]=(E(x1)+E(x2)+...+E(xn))/(m

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/

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

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)

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

选B,因为他的期望不是是uE(A)=uE(X1+X2+X3)=E(X1)+E(X2)+E(X3)=3uE(0.2X1+0.3X2+0.5X3)=0.2E(X1)+0.3E(X2)+0.5E(X3)=u

1）如果min(Xi)

矩估计并不要求无偏估计,矩估计的要求就是用样本矩来代替总体矩,σ²是二阶中心矩,S²不是中心矩,因此矩估计时一般选σ²,这是符合矩估计定义的.而且在一次实验中其实也很难确

极大似然估计的方法：1、构造似然函数,L(x1,x2,...,xn)=每个Xi密度函数的连乘.每个Xi的密度函数与总体的密度函数相同.2、求L(x1,x2,...,xn)或lnL(x1,x2,...,

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

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!

很简单的问题,联系我,63415177

服从X^2(n-1)分布,那个X不是未知数X,长得像而已,手机打不出来,抱歉.因为(x-u)^2求和,等于n-1倍的样本方差平方,然后就是定理了,手机不好打阿~

1.由伽方分布的性质有：\x0dY=X1+X2+...+Xn服从自由度为nm的伽方分布,记其密度为fY（t）.\x0d2.样本均值Z=Y/n,Z的分布函数记为FZ（z）=P{Z<=z}=P{Y&

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

(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