举一反三
- (1). 设总体 \( X \) 具有有限的数学期望 \( EX \) 和方差 \( DX \)，\( X_1 ,X_2 ,\mbox{ }\cdots ,X_n \) 为总体 \( X \) 的样本，那么对样本均值 \( \bar {X}=\frac{1}{n}\sum\limits_{i=1}^n{X_i } \) 有()。
- ${X_1},{X_2},...,{X_n}$，是来自均匀分布 X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$
- 关于正态分布，则下列说法不对的是 A: 若$(X_1,X_2,\cdots,X_n)$服从正态分布，则$(X_1,X_2,\cdots,X_n)$各分量之间相互独立 B: 若$(X_1,X_2,\cdots,X_n)$服从正态分布，则$(X_1,X_2,\cdots,X_n)$各分量之间两两不相关 C: 若$(X_1,X_2,\cdots,X_n)$服从正态分布，则$(X_1,X_2,\cdots,X_n)$的每一个分量服从正态分布 D: 若$(X_1,X_2,\cdots,X_n)$的每一个分量服从正态分布，则$(X_1,X_2,\cdots,X_n)$服从正态分布
- (4). 已知总体 \( X \) 服从 \( [0,\lambda ] \) 上的均匀分布( \( \lambda \) 未知) \( X_1 ,X_2,\cdots X_n \) 为 \( X \) 的样本，则()。
- 题目包含多个选项，但学生只能选择一个答案。1.${X_1},{X_2},...,{X_n}$，是来自均匀分布<br/>X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$
内容
- 0
下列定义的映射中， ___ 不是内积. A: \(\langle x,y \rangle \triangleq xy ,x,y \in \mathbb{R}\) B: \(\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i=1}^{n}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n\) C: \(\langle f,g \rangle \triangleq \int_a^b f(x)g(x)\mathrm{d}x ,f,g \in C([a,b])\)（\([a,b]\)上连续实函数全体） D: \(\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i,j=1}^{n}a_{ij}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n,A = (a_{ij})是实对称方阵\)
- 1
(6). 设总体 \( X \) 服从 \( P(\lambda ) \) 分布，\( X_1 ,X_2 ,\cdots ,X_n \) 为样本，\( \bar {X} \) 为样本均值，则以下结论中错误的是()。
- 2
求方程\(x = \cos x\)根的牛顿迭代公式是 。 A: \({x_{n + 1}} = {x_n} - { { {x_n} - \cos {x_n}} \over {1 + \sin {x_n}}},n = 0,1,2 \cdots \) B: \({x_{n + 1}} = {x_n} + { { {x_n} - \cos {x_n}} \over {1 + \sin {x_n}}},n = 0,1,2 \cdots \) C: \({x_{n + 1}} = {x_n} - { { {x_n} - \sin {x_n}} \over {1 + \sin {x_n}}},n = 0,1,2 \cdots \) D: \({x_{n + 1}} = {x_n} - { { {x_n} - \cos {x_n}} \over {1 + \cos{x_n}}},n = 0,1,2 \cdots \)
- 3
\( {1 \over {1 + x}} \)的麦克劳林公式为（ ）。 A: \( {1 \over {1 + x}} = 1 + x + { { {x^2}} \over 2} + \cdots + { { {x^n}} \over {n!}} + o\left( { { x^n}} \right) \) B: \( {1 \over {1 + x}} = 1 + x + {x^2} + \cdots + {x^n} + o\left( { { x^n}} \right) \) C: \( {1 \over {1 + x}} = 1 - x + {x^2} - \cdots + {( - 1)^n}{x^n} + o\left( { { x^n}} \right) \) D: \( {1 \over {1 + x}} = 1 - x - { { {x^2}} \over 2}- \cdots - { { {x^n}} \over {n!}} + o\left( { { x^n}} \right) \)
- 4
\( {1 \over {1 + x}} \)的麦克劳林公式为（ ）. A: \( {1 \over {1 + x}} = 1 + x + { { {x^2}} \over 2} + \cdots + { { {x^n}} \over {n!}} + o\left( { { x^n}} \right) \) B: \( {1 \over {1 + x}} = 1 + x + {x^2} + \cdots + {x^n} + o\left( { { x^n}} \right) \) C: \( {1 \over {1 + x}} = 1 - x + {x^2} - \cdots + {( - 1)^n}{x^n} + o\left( { { x^n}} \right) \)