${X_1},{X_2},...,{X_n}$是来自正态总体X~N($\mu$ ,${\sigma ^2}$)的样本，用估计法估
计参数$\mu，{\sigma^2}$,分别为（）
A: $\overline X ,2{s^2}$
B: $2\overline X ,{s^2}$
C: $\overline X,{s^2}$
D: $\overline X,s$
计参数$\mu，{\sigma^2}$,分别为（）
A: $\overline X ,2{s^2}$
B: $2\overline X ,{s^2}$
C: $\overline X,{s^2}$
D: $\overline X,s$
C
举一反三
- 2.${X_1},{X_2},...,{X_n}$是来自正态总体X~N($\mu$ ,${\sigma ^2}$)的样本，用估计法估<br/>计参数$\mu，{\sigma^2}$,分别为（） A: $\overline X ,2{s^2}$ B: $2\overline X ,{s^2}$ C: $\overline X,{s^2}$ D: $\overline X,s$
- (6). 设 \( X_1 ,X_2 ,\cdot \cdot \cdot ,X_n \) 是来自正态总体 \( X\sim N(\mu _0,\sigma ^2) \) 的样本方差 \( S^2=\frac{1}{n-1}\sum\limits_{i=1}^n {(X_i -\bar {X})} \)，则统计量 \( T=\frac{\bar {X}-\mu _0 }{S /{\sqrt n}} \) 服从()。
- ${X_1},{X_2},...,{X_n}$是来自二项分布总体<br/>X~b(n,p)的样本，用最大似然估计法估计参数p得（） A: $\frac{1}{n}\overline X<br/>$ B: $\frac{1}{n}(\overline X-1)<br/>$ C: $\frac{1}{n-1}\overline X<br/>$ D: $\frac{1}{n+1}\overline X<br/>$
- 在对正态总体均值的检验中，若方差已知，则选用统计量（ ） A: $U=\frac{\overline{X}-\mu_{0}}{\sigma/\sqrt{n}}$ B: $U=\frac{\overline{X}-\mu_{0}}{\sigma/\sqrt{n-1}}$ C: $U=\frac{\overline{X}-\mu_{0}}{\sigma^{2}/\sqrt{n}}$ D: $U=\frac{\overline{X}-\mu_{0}}{\sigma^{2}/\sqrt{n-1}}$
- 在对正态总体均值的检验中，若方差未知，则选用统计量（ ） A: $U=\frac{\overline{X}-\mu_{0}}{S^{2}/\sqrt{n-1}}$ B: $U=\frac{\overline{X}-\mu_{0}}{S/\sqrt{n-1}}$ C: $U=\frac{\overline{X}-\mu_{0}}{S^{2}/\sqrt{n}}$ D: $U=\frac{\overline{X}-\mu_{0}}{S/\sqrt{n}}$
内容
- 0
(2). 设 \( X_1 ,X_2 ,\cdots ,X_n \) 是来自总体 \( X \) 的样本，\( X \) 的分布由参数 \( \mu \) 和 \( \sigma \) 确定。假定 \( \mu \) 和 \( \sigma \) 都未知，为了对 \( \mu \) 区间估计，一般是先构造()。
- 1
设总体X~N($\mu,{\sigma}^2$),$\mu,{\sigma}^2$未知，$x_{1},x_{2},...,x_{n} $ 是来自该总体的样本，记$\overline x=\frac{1}{n}\sum\limits_{i = 1}^{n}{x_{i}}$,则对假设检验$ H_{0}:u=u_{0},H_{1}:u!=u_{0}$的拒绝域为()
- 2
设总体X~N(μ,σ^2 ),其中μ和σ^2 均未知，X_1,X_2,⋯,X_n 是总体X的一个样本，则样本均值X ̅是μ的无偏估计量.
- 3
(10). 设某种元件的寿命 \( X\sim N(\mu ,\sigma ^2) \)，其中参数 \( \mu ,\sigma^2 \) 未知，为估计平均寿命 \( \mu \) 及方差 \( \sigma^2 \)，随机抽取7只元件得寿命为(单位:小时)
- 4
(2). 设 ( (X_1 ,X_2 ,cdots ,X_n ) ) 为取自正态总体 ( N(mu ,sigma ^2) ) 的样本，则以下结论不成立的是（ ）。</p></p>