设x1.x2--,x10是来自总体x-B(1,P)的

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

为了减化记号,用X,Y替代X1,X2.X,Y为服从N(0,s²)的独立随机变量,二者的联合分布密度函数f(x,y)=e^(-(x²+y²)/(2s²))/(2π

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)+

行列式展开=x1^3+x2^3+x3^3-3x1x2x3而x1^3+x2^3+x3^3-3x1x2x3=（x1+x2+x3)(x1^2+x2^2+x3^2-x1x2-x2x3-x3x1)(展开右边即得

f(x2)>f(x1)补充：f(X)是R上的偶函数,f(-x)=f(x),在（—无穷大,0）上是减函数,所以在(0,+无穷大)是增函数.X10x2>-x1,X10,所以f(x2)>f(-x1),f(x

因为f(x1)-f(x2)=(-2x1+1)-(-2x2+1)=2*(x2-x1)在x1x1,即x2-x1>0再左右同乘2,得2*(x2-x1)>0.也即是f(x1)-f(x2)=2*(x2-x1)>

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

这个一定要画图,不然很难解的另外第2个应该是x•10^x=2009不然没意义吧由题意X1是方程lgx＝2009/x的解,X2是方程10^x=2009/x的解画出函数Y1=lgx,Y2＝20

解题思路：利用一元二次方程根与系数的关系求解。解题过程：最终答案：略

期望值和方差均求和即可,因为这个X1+X2+X3是线性的关系.再问：我想知道是怎么算的？谢谢！再答：E(X+Y)=E(X)+E(Y)方差=E[(X+Y)²]-[E(X+Y)]²=E

2a^2

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

现在没时间,只能粗略的帮你看一下!第二题的话,因为我自己是搞信息学竞赛的,所以运用sg函数的原理(其实就是博弈类算法)就很简单了,如果是一般数学证明那就得想一想.至于第一题的话,首先你必须明白,数学是

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

x1+x2+x3=3*3=9x4+x5+x6+x7+x8+x9+x10=6*7=42x1至x10的平均数为(9+42)/10=5.1

根据韦达定理：x1+x2=-2（1）x1x2=-1（2）（1）^2-4（2）＝(x1-x2)^24+4=(x1-x2)^2x1-x2=±2√2再问：当x1＜x2的时候，那x1-x2是不是就只等于-2√

你弄反了递减的话,是：f(x1)-f(x2)>0因为x1-x2