A. 样本二阶中心矩
B. 样本二阶原点矩
C. 总体二阶中心矩
D. 样本方差
设总体 X sim N(0,1),(X_1,X_2,...,X_n) 是总体 X 的样本,令 overline(X)=(1)/(n)sum_(i=1)^nX_i
样本 X_1, X_2, ldots, X_n 来自总体 X sim N(0,1) , overline(X) = (1)/(n) sum_(i=1)^n X_
设总体 X sim N(0, sigma^2),(X_1, X_2, ..., X_n) 是来自总体 X 的样本,则 (1)/(sigma^2) sum_(i=
设 X_1, X_2, ..., X_n 是X的样本,X的期望为EX,且 overline(X) = (1)/(n) sum_(i=1)^n X_i ,则有()
设总体X服从正态分布N(mu,sigma^2),其样本为x_1,x_2,...,x_n,x_(n+1),overline(x_n)=(1)/(n)sum_(i=
设X_1, X_2, ldots, X_n是来自总体N(mu, sigma^2)的样本,令Y = (sum_(i=1)^n(X_i - overline(X))
设(X_1,X_2,...,X_n)为来自总体Xsim N(0,1)的一个样本,统计量Y=(sqrt(n-1)X_1)/(sqrt(sum_(i=2)^n X_
设 X_1 ,X_2 ,mbox( )... ,X_n 是来自总体 N(mu ,mbox( )sigma^2) 的样本, bar (X)=(1)/(n)
X服从正态分布,EX=-1,EX^2=4,X_1,X_2,...,X_n为来自总体X的样本,overline(X)=(1)/(n)sum_(i=1)^nX_i,
1.6 总体X-N(mu,sigma^2),x_(1),x_(2),...,x_(n)为其样本,bar(x)=(1)/(n)sum_(i=1)^nx_(i),s