设(X_1,X_2,...,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()。A. Y=f(X_1,X_2,...,X_n,mu,sigma)使得Y的分布与mu,sigma无关B. Y=f(X_1,X_2,...,X_n,mu)使得Y的分布与mu无关,但可与sigma有关C. Y=f(X_1,X_2,...,X_n,sigma)使得Y的分布与sigma无关D. Y=f(X_1,X_2,...,X_n,mu)使得Y的分布与mu,sigma无关

核心思路：对参数$\mu$进行区间估计时，需要构造一个枢轴量（pivotal quantity），即一个统计量，其分布不依赖于$\mu$，但可能与$\sigma$有关。通过枢轴量建立包含$\mu$的等式，进而求解$\mu$的置信区间。

关键点：

1. 枢轴量的分布必须与$\mu$无关，否则无法消除$\mu$的影响。
2. $\sigma$未知时，通常用样本标准差代替，因此枢轴量的分布可以与$\sigma$有关，但需通过样本信息消除$\mu$的影响。

选项分析

选项A

若$Y$的分布与$\mu$和$\sigma$均无关，则$Y$不含$\mu$和$\sigma$的信息，无法用于推断$\mu$，不适用。

选项B

若$Y$的分布与$\mu$无关，但可与$\sigma$有关，符合枢轴量的要求。例如，t统计量的分布与$\mu$无关，但依赖于$\sigma$（通过样本方差估计）。适用。

选项C

若$Y$的分布与$\sigma$无关，但未消除$\mu$的影响，则无法构造$\mu$的区间估计，不适用。

选项D

若$Y$的分布与$\mu$和$\sigma$均无关，则无法包含$\mu$的信息，不适用。