3.3 证明 hat(sigma)^2=(1)/(n-p-1)SSE 是误差项方差 sigma^2 的无偏估计。

3.3 证明 $\hat{\sigma}^{2}=\frac{1}{n-p-1}SSE$ 是误差项方差 $\sigma^{2}$ 的无偏估计。

参考答案与解析：

相关试题

x_(n)来自总体N(mu,sigma^2)，则总体方差sigma^2的无偏估计为( )。: x_(n)来自总体N(mu,sigma^2)，则总体方差sigma^2的无偏估计为( )。A. $S_{1}^{2}=\frac{1}{n-1}\sum_{i=

查看答案

正态方差σ2的无偏估计是（）。: [单选题]正态方差σ2的无偏估计是（）。A . AB . BC . CD . D

查看答案

(B) (hat {sigma )}^2=dfrac (1)(n)sum _(i=1)^n(({X)_(i)-overline (X))}^2.-|||-(C ({sigma )_(sigma )}^: (B) (hat {sigma )}^2=dfrac (1)(n)sum _(i=1)^n(({X)_(i)-overline (X))}^2.-|||-(C

查看答案

若x_1,x_2,...,x_n是Xsim N(mu,sigma^2)的样本观测值。则sigma^2的极大似然估计值hat(sigma)^2=(）。: 若x_1,x_2,...,x_n是Xsim N(mu,sigma^2)的样本观测值。则sigma^2的极大似然估计值hat(sigma)^2=(）。若$x_

查看答案

设总体sim N(0,(sigma )^2)，sim N(0,(sigma )^2)是来自这一总体的样本，若sim N(0,(sigma )^2)是sim N(0,(sigma )^2)的无偏估计，则: 设总体sim N(0,(sigma )^2)，sim N(0,(sigma )^2)是来自这一总体的样本，若sim N(0,(sigma )^2)是sim N(

查看答案

已知总体sim N(mu ,(sigma )^2),sim N(mu ,(sigma )^2)是其一组样本,证明:sim N(mu ,(sigma )^2)的估计量sim N(mu ,(sigma ): 已知总体sim N(mu ,(sigma )^2),sim N(mu ,(sigma )^2)是其一组样本,证明:sim N(mu ,(sigma )^2)的估

查看答案

3.判断题样本方差S^2=(1)/(n-1)sum_(i=1)^n(X_(i)-overline(X))^2是总体Xsim N(mu,sigma^2)中sigma^2的无偏估计量，S_(n)^2=(1: 3.判断题样本方差S^2=(1)/(n-1)sum_(i=1)^n(X_(i)-overline(X))^2是总体Xsim N(mu,sigma^2)中sigm

查看答案

设总体 X sim N(mu, sigma^2)，其中 mu, sigma^2 为未知参数，X_1, ldots, X_n 是来自 X 的一个样本，则可作为 sigma^2 的无偏估计的是____；: 设总体 X sim N(mu, sigma^2)，其中 mu, sigma^2 为未知参数，X_1, ldots, X_n 是来自 X 的一个样本，则可作为 s

查看答案

设总体 X 的数学期望 mu 和方差 sigma^2 存在，X_1, X_2, ..., X_n 是 X 的样本，则下面的统计量中可作为 sigma^2 的无偏估计的是:: 设总体 X 的数学期望 mu 和方差 sigma^2 存在，X_1, X_2, ..., X_n 是 X 的样本，则下面的统计量中可作为 sigma^2 的无偏

查看答案

464 已知二维随机变量 (X,Y)sim N((m)_(1),(mu )_(2);({sigma )_(1)}^2,({sigma )_(2)}^2,P)((sigma )_(1)gt 0,(sig: 464 已知二维随机变量 (X,Y)sim N((m)_(1),(mu )_(2);({sigma )_(1)}^2,({sigma )_(2)}^2,P)((

查看答案