概率论:设x1,x2,.....xn是来自总体P(λ)的样本,X非是样本均值,D(X非)=?请写出原因,谢谢。

作者&投稿:书定 (联系方式在网页底部的电邮联系)
设x1,x2,…,xn是来自总体P(λ)的样本, ¯x是样本均值,则E( ¯x )等于多少?~

¯x吧

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,不明白可以追问,如果解决了问题,请点下面的"选为满意回答"按钮,谢谢。

X(表示为X的均值).X=1/n(X1+X2+XX+Xn),D(~X)=1/n^2 *(D(X1)+D(X2)+XX+D(Xn))

=1/n^2 *(σ²+σ²+XX+σ²)=1/n^2 *n*σ²

=σ²/n

原因:D(kX)=k^2*D(X)

D(X1+X2+XX+Xn)=D(X1)+D(X2)+XX+D(Xn) 因为X1,X2,Xn相互独立。

设X1,X2,Xn是来自泊松分布P(λ)的一个样本,E与S2分别为样本均值与样本方差,试求E(X)、D(X)、E(S2)。

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。这就是中心极限定理(central limit theorem)。 

设总体共有N个元素,从中随机抽取一个容量为n的样本,在重置抽样时,共有N·n 种抽法,即可以组成N·n不同的样本,在不重复抽样时,共有N·n个可能的样本。每一个样本都可以计算出一个均值,这些所有可能的抽样均值形成的分布就是样本均值的分布。但现实中不可能将所有的样本都抽取出来,因此,样本均值的概率分布实际上是一种理论分布。

参考资料来源:百度百科-样本均值



相关视频

概率论无偏估计量,设X1,X2,X3,X4是来自均值为μ的总体的样本,则均值μ...
lnL(θ)=nlnθ+(θ-1)ln(x1x2...xn)[lnL(θ)]'=n\/θ+ln(x1x2...xn)=0 θ=-n\/ln(x1x2...xn)最大似然估计为 θ=-n\/ln(x1x2...xn)应用 在实际应用中,对整个系统(整个实验)而言无系统偏差,就一次实验来讲,可能偏大也可能偏小,实质上并说明不了什么问题,只是平均来说...

概率论!设X1,X2,…,Xn是来自总体X~N(0,1)的样本,则样本均值的数学期望...
设X1,X2,…,Xn为来自正态分布N(0,1)的样本,我们需要计算样本均值的数学期望。样本均值定义为X1到Xn的平均值,即(X1+X2+…+Xn)\/n。我们知道,每个Xi都来自N(0,1),其数学期望为0。因此,样本均值的数学期望也应该是0。这可以通过线性性质来证明,即如果每个Xi的数学期望为0,那么它们的...

设X1,X2,…X16是来自总体N(2,1)的样本,概率论题目求解
^^X~N(0,σ^2)E(X1+X2)=EX1+EX2=0 D(X1+X2)=DX1+DX2=2σ^2 X1+X2~N(0,2σ^2)...

概率论与数理统计的题目 设x1,x2,...xn是来自U(-1,1)的样本
回答:U(-1, 1)标示在区间[-1, 1]的均匀分布。其概率密度函数是f(x)=1\/[1-(-1)]=1\/2。所以,μ=∫{-1, 1}x(1\/2)dx = 0。σ^2=∫{-1, 1}x^2(1\/2)dx = 1\/3。拉普拉斯在系统总结前人工作的基础上写出了《分析的概率理论》,明确给出了概率的古典定义,并在概率论中引入...