A. $\Cov(X_1, Y)= \frac{\sigma^2}{n}$.
B. $Cov(X_1, Y)= \sigma^2$.
C. $D(X_1 + Y)= \frac{n+2}{n} \sigma^2$.
D. $D(X_1 - Y)= \frac{n+1}{n} \sigma^2$.
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))
设随机变量 X_1, X_2, ldots, X_n 独立同分布，且方差为 sigma^2 > 0。令 Y = (1)/(n) sum_(i=1)^n X_i
设总体 X sim N(mu, sigma^2), mu, sigma^2 均未知，则 (1)/(n) sum_(i=1)^n (X_i - overline(
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(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, ..., 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 X_1, X_2, ldots, X_(10) 是来自正态总体 N(0,1) 的简单随机样本，则统计量 Y = (1)/(4)(sum_(i=1)^4 X_
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
设随机变量X_1,...,X_n相互独立，且X_i都服从参数为0.5的指数分布，则当n充分大时，随机变量Z_n=(1)/(n)sum_(i=1)^n X_i近似