x1和x2均服从n(01)x1+x2服从什么分布
答:X1、X2是来自总体X~N(0,1)的简单随机样本,∴ X1、X2 相互独立。按照“有限个正态分布的线性组合,仍然服从正态分布”的理论,∴ X1+X2~N(μ,δ²),其中,μ=μ1+μ2=0,δ²=δ²1+δ²2=2。∴ X1+X2~N(0,2)。
答:答案见附图
答:用你的方法也可以,详情如图所示
答:x~n(0,1),x2^2~卡方(1)Y=x1/x2=x1/√(x2^2/1)~t(1)
答:E(X12+X22)=2 分析过程如下:∵ X1,X2为取自总体X的样本, X~N(0,1)?则:E(X1)=E(X2)=0,D(X1)=D(X2)=1 ∵ D(X)=E(X2)-(EX)2,即 E(X2)=D(X)+(EX)2 ∴E(X12)+E(X22)=D(X1)+(EX1)2+D(X2)+(EX2)2=1+02+1+02=2 此题运用了随即变量的数学期望...
答:(X1,X2,X3,X4,X5,X6)为来自总体X的简单随机样本所以(X1+X1+X3)~N(0,3)(X4+X5+X6)~N(0,3)所以而1/√3(X1+X1+X3)~N(0,1);1/√3(X4+X5+X6)~N(0,1)则[1/√3(X1+X1+X3)]^2+[1/√3(X4+X5+X6)]^2~X^2(2)也就是说c=1/3 cY~X^2(2) 本回答由提问者推荐 举报| 评论 ...
答:回答:(1/7)X1和(6/7)X2的均值分别是1/7和6/7,标准差也分别是1/7和6/7,方差分别是(1/7)^2和(6/7)^2,因为X~N(1、1)。所以,u1的均值μ和方差σ²分别是 μ = 1/7 + 6/7 = 1,σ² = (1/7)^2 + (6/7)^2 = 37/49。
答:每个X[i]≤u的概率都是取0~u的取值概率,就是区间长度u除以总区间长1(因为是均匀分布),等于u,所以F(u)=u^n(u的n次方),求导得到f(u)(密度)=nu^(n-1)(注意u都是(0,1)上面的,其余地方概率都是0)期望就把u乘上积分=∫(0到1)n u^n du=n/(n+1),U的就算完了。再看...
答:E(X1+X2)=1 根据数学期望的性质,X,Y是两个随机变量,则E(X+Y)=E(X)+E(Y)。因为X1,X2都是服从区间(0,2)上的均匀分布,所以X1,X2的概率密度都为f(X)={1 0<x<1;0 其他} X1的数学期望为E(X1)=1/2 X2的数学期望为E(X2)=1/2 所以E(X1+X2)=1/2+1...
答:分布,X1-X2服从N(μ1-μ2,δ1平方+δ2平方)分布,δ1平方和δ2平方一直是加的关系,没有减的关系。一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。期望值μ=0,即曲线图象对称轴为Y轴,标准差σ=1条件下的正态分布,记为N(0,1)。
网友评论:
元阮14720099558:
数理统计 X1X2...Xn相互独立同服从分布N(0.1) 为什么X1 - X2 ~N(0.2) (X1 - X2)/√ ̄2 ~N(0.1)? -
36998空庞
: 大概有这么三种做法 可能还有更多 不知道你学过什么 你看看思路 不懂再问我..1. 用特征函数证明 利用特征函数的性质 很容易求出你说的那两个东西的特征函数 一比较就行了 2. 把 (X1,X2)' 写成多元正态分布,方差矩阵是对角线都是0.1的矩阵 然后用多远正态分布的性质一整就行了 3. 因为相互独立 所以可以写出来X1 X2共同分布的密度函数 然后第一问让Z=X1-X2, 把X2=X1-Z带入密度函数 再对X1积分 最后的出来的就是Z的分布了 第二问也类似~不懂再问我吧- -..
元阮14720099558:
随机变量X1,X2……Xn均服从标准正态分布且相互独立,记X(1)=minXi(1<=i<=n),计算E{ф(X(1))) -
36998空庞
: 为了方便 令F(X1)=ф(X(1)))F(X1)=1-(1-F(X1))^nf(x1)=n * ((1-F(x1))^(n-1)) * F'(x1)E= ф(X(1)))*f(x...
元阮14720099558:
X服从标准正态分布,即N(0,1).X1,X2为从X中取的2个数,求2X1+3X2的方差. -
36998空庞
: X1和X2是独立的吧?? D(2X1+3X2)=4D(X1)+9D(X2)=4x1+9x1=13
元阮14720099558:
为什么x1到x6服从01正态分布,x1+x2+x3就符合03正态分布呢?如下图 -
36998空庞
: 解:正态分布重要性质之一是具有可加性.即,如果Xi~N[μi,(δi)^2](i=1,2,……,n),Xi相互独立,则∑Xi~N[∑μi,∑(δi)^2].∴有题中解答的结论.供参考.
元阮14720099558:
设随机变量X1和X2相互独立,且都服从正态分布N(0,1/2),令Y=X1 - X2,求E|Y| -
36998空庞
:[答案] Y=X1-X2服从N(0,1) E(Y)=0 E(|Y|)=(2/√2π)∫ye^(-y^2/2)dy=√(2/π) ,积分范围y>0 E(|Y|²)=E(Y²)=D(Y)+E²(Y)=1 D(|Y|)=1-2/π
元阮14720099558:
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λ的极大似然估计 -
36998空庞
: P(X=x)=(Xe~-)/x!,构造似然函数L(入)=P(X=x1) 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归功于英国的统计学家.罗纳德·费希尔(R. A. Fisher) 极大似然函数估计值的一般步骤: 1、 写出似然函数; 2 、对似然函数取对数,并整理; 3、求导数; 4、解似然方程 .
元阮14720099558:
X服从标准正态分布,即N(0,1).X1,X2为从X中取的2个数,求2X1+3X2的方差. -
36998空庞
:[答案] X1和X2是独立的吧? D(2X1+3X2)=4D(X1)+9D(X2)=4x1+9x1=13
元阮14720099558:
随机变量X1,X2……Xn均服从标准正态分布且相互独立,记X(1)=minXi(1 -
36998空庞
:[答案] 为了方便 令F(X1)=ф(X(1))) F(X1)=1-(1-F(X1))^n f(x1)=n * ((1-F(x1))^(n-1)) * F'(x1) E= ф(X(1)))*f(x1) 从负无穷到正无穷的积分 积分符号打不出用 | 替代 E= | F(x1)*n * ((1-F(x1))^(n-1)) d F(x1) 将上式积分便可得答案1/(n+1)
元阮14720099558:
设(x1,x2,···,x6)为取自正态总体N(0,1)的样本.令Y=(x1+x2+x3)^2 -
36998空庞
: X1+X2+X3=X4+X5+X6~N(0,3),所以(X1+X2+X3)/(3^0.5)~N(0,1),即(3^0.5)/3Y服从卡方分布. 因为CY服从卡方分布,所以E(CY)=n=2. D(CY)=2n=4 即E(Y)=2*3^0.5, D(Y)=12. 正好刚学过线代,有问题再问哦.
元阮14720099558:
概率及统计高手进,设x1 x2 ....x9 来自正态总体N(0,4)的简单随机样本,求系数a,b,c使 -
36998空庞
: x1+x2~N(0,8) x3+x4+x5~N(0,12) x6+x7+x8+x9~N(0,16) 由于x^2分布定义为标准正态分布的平方和,因此a(x1+x2), b(x3+x4+x5), c(x6+x7+x8+x9)均服从N(0,1) 可得a=1/8, b=1/12, c=1/16 三个正态分布的和,因此自由度为3