设总体$X\sim N\left(\mu ，{\sigma }^{2}\right)$，${X}_{1}$，${X}_{2}$，···，${X}_{10}$是来自X的样本，
(1)写出${X}_{1}$，${X}_{2}$，···，${X}_{10}$的联合概率密度；
(2)写出$\overline{X}$的概率密度.
4.设总体 sim N(mu ,(sigma )^2) ,X1,X2,···,X10是来自X的样本.-|||-(1)写出X1,X2,···,X 10的联合概率密
10.设总体Xsim N(mu,sigma^2)，X_(1),X_(2)是来自总体X的样本，在mu的无偏估计量hat(mu)_(1)=(2)/(3)X_(1)+
设（X_(1),X_(2),...,X_(10),X_(11)）是来自于正态总体Xsim N(mu,sigma^2)的样本，bar(X)=(1)/(n)sum_
设X_(1),X_(2),...,X_(n)为总体Xsim N(mu,sigma^2)的样本，证明hat(mu)_(1)=(1)/(2)X_(1)+(2)/(3
10.设总体 sim N(mu ,(sigma )^2) ,X1,X2,X3是来自X的样本,则当 a= __ _时, mu =dfrac (1)(7)(X)_(
5、设总体Xsim N(mu,sigma^2)，x_(1),x_(2),x_(3)为来自X的样本，则当常数a=____时，hat(mu)=(1)/(4)x_(1
设总体 X sim N(mu, sigma^2)，其中 mu, sigma^2 已知，X_1, X_2, ldots, X_n （n geq 3）为来自总体 X
设 X_1, X_2, ..., X_n 是来自正态总体 X sim N(mu, sigma^2) 的样本，则 (overline(X) - mu)/(sqrt
设X_1,X_2,...,X_n为来自总体X的简单随机样本，E(X)=mu，D(X)=sigma^2，记hat(mu)_1=(1)/(5)X_1+(3)/(10
4.设总体 sim N(mu ,(sigma )^2), x1,x2,x3为来自X的样本 hat (mu )=dfrac (1)(4)(x)_(1)+b(x)_