题目
10.设总体服从正态分布),而是来自总体的简单随机样本,是样本均值,则
10.设总体服从正态分布
),而
是来自总体
的简单随机样本,
是样本均值,则
题目解答
答案
1.计算
首先,我们知道:
其中是样本方差,
。
2.样本均值的性质
由于服从
,样本均值
也服从正态分布:
3.计算
根据方差的性质,我们有:
对于正态分布,样本方差的期望为总体方差:
因此
4.计算
我们可以将其展开:
由于和
是不相关的, 我们可以分开期望:
我们已经计算出:
5.计算
服从
,因此:
6.最终结果
将所有结果结合起来:
解析
步骤 1:计算$\sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}$
首先,我们知道:
$\sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}=(n-1){S}^{2}$
其中${S}^{2}$是样本方差,n=9。
步骤 2:样本均值的性质
由于$X_i$服从$N(1,9)$,样本均值也服从正态分布:
$\overline {X}\sim N(1,\dfrac {9}{9})=N(1,1)$
步骤 3:计算$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\}$
根据方差的性质,我们有:
$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =(n-1)E|{S}^{2}\} $
对于正态分布,样本方差的期望为总体方差:
$E[ {S}^{2}] ={\sigma }^{2}=9$
因此$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =(9-1)\cdot 9=8\cdot 9=72$
步骤 4:计算$E\{ \sum _{i=1}^{9}{[ ({X}_{i}-\overline {X})\overline {X}] }^{2}\}$
我们可以将其展开:
$E\{ \sum _{i=1}^{9}[ {({X}_{i}-\overline {X})\overline {X}] }^{2}\} =E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\cdot {\overline {X}}^{2}\} $
由于$({X}_{i}-\overline {X})$和$\overline {X}$是不相关的, 我们可以分开期望:
$=E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} \cdot E\{ {\overline {X}}^{2}\} $
我们已经计算出:
$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =72$
步骤 5:计算$E\{ {\overline {X}}^{2}\}$
由于$\overline {X}$服从$N(1,1)$,因此:
$E\{ {\overline {X}}^{2}\} =V\arccos (\overline {X})+{(E\overline {X})}^{2}=1+{1}^{2}=2$
步骤 6:最终结果
将所有结果结合起来:
$E\{ \sum _{i=1}^{9}{[ ({X}_{i}-\overline {X})\overline {X}] }^{2}\} =72\cdot 2=144$
首先,我们知道:
$\sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}=(n-1){S}^{2}$
其中${S}^{2}$是样本方差,n=9。
步骤 2:样本均值的性质
由于$X_i$服从$N(1,9)$,样本均值也服从正态分布:
$\overline {X}\sim N(1,\dfrac {9}{9})=N(1,1)$
步骤 3:计算$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\}$
根据方差的性质,我们有:
$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =(n-1)E|{S}^{2}\} $
对于正态分布,样本方差的期望为总体方差:
$E[ {S}^{2}] ={\sigma }^{2}=9$
因此$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =(9-1)\cdot 9=8\cdot 9=72$
步骤 4:计算$E\{ \sum _{i=1}^{9}{[ ({X}_{i}-\overline {X})\overline {X}] }^{2}\}$
我们可以将其展开:
$E\{ \sum _{i=1}^{9}[ {({X}_{i}-\overline {X})\overline {X}] }^{2}\} =E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\cdot {\overline {X}}^{2}\} $
由于$({X}_{i}-\overline {X})$和$\overline {X}$是不相关的, 我们可以分开期望:
$=E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} \cdot E\{ {\overline {X}}^{2}\} $
我们已经计算出:
$E\{ \sum _{i=1}^{9}{({X}_{i}-\overline {X})}^{2}\} =72$
步骤 5:计算$E\{ {\overline {X}}^{2}\}$
由于$\overline {X}$服从$N(1,1)$,因此:
$E\{ {\overline {X}}^{2}\} =V\arccos (\overline {X})+{(E\overline {X})}^{2}=1+{1}^{2}=2$
步骤 6:最终结果
将所有结果结合起来:
$E\{ \sum _{i=1}^{9}{[ ({X}_{i}-\overline {X})\overline {X}] }^{2}\} =72\cdot 2=144$