设xy相互独立, 则下列不是总体均值u的无偏

A-YN(-1,2)X-YN(0,2+2)=N(0,4)(X-Y)/2N(0,4/2^2)=N(0,1)选A再问：虽然看懂了...不过可以这么做的依据是什么啊？就是说，为什么可以对XY做运算？再答：这

D(3X–2Y)=9D(X)+4D(Y)=9*4+4*2=44

第一个无过程,就是考察t分布的定义,这里结果是t(5）；第二个也可以说是无过程,考察的是二项分布的数字特征及矩估计方法(替换原理)这两个常识.对于X服从B（n,p）来说,其期望为EX=np,方差为DX

如图（点击可放大）：Y的方差,我是用最基本的积分（分部积分）做的,也可以用指数分布的性质做：Y是 λ=1的指数分布,所以它的期望：E(Y)=1/ λ=1它的方差：D(Y)=1/&n

1.XY相互独立,相关系数r=02.E(Z)=E(2X+Y)=2E(X)+E(Y)=03.D(Z)=[(2X+Y)^2]=4D(X)+D(Y)+4E(X)E(Y)=4+1+0=54.N(0,5)5.f

大哥是F分布的定义啊F(5,4)

A、B、C事件相互独立等价于：P（ABC）=p（A）P（BC）=p（B）P（AC）=P（C）P（AB）=P（A）P（B）P（C）；   （1）A、B、C事件两两独立等价于

A或B发生与C独立A发生且B发生与C独立A发生Bu发生与C独立相互独立就是2个事件的相关系数为O

均匀分布的期望方差公式都记得吧,套用一下就行了EX=1/2EY=3X与Y相互独立所以EXY=EXEY=3/2E(XY)²=∫(0到1)dx∫(2到4)1/2x²y²dy=28/

解题思路了讲到这后面的积分自己先积一积不懂追问再问：谢谢，明白了，但是木有更简单一点的么~~~~~再答：放心~是没有捷径滴而且这样做计算量不算很大，耐心一点就行了

正态分布具有可加性,X-Y也是正态分布E(X-Y)=EX-EY=1D(X-Y)=DX+DY=13X-Y~N(1,13)

∵X,Y相互独立,∴X^2,Y^2也相互独立(1)D(XY)=E[XY-E(XY)]^2=E(XY-EXEY)^2=E(X^2Y^2)=E(X^2)E(Y^2)=E[(X-EX)^2]E[(Y-EY)

所给题中ξ服从标准正态分布,均值miu为0,方差sigma为1,根据正态分布性质有：P{1

知道x^2与y^2相互独立.D(xy)-D(x)D(y)=E(x^2)E(y)^2+E(y^2)E(x)^2-E(x)^2E(y)^2-E(xy)^2=D(x)E(y)^2+D(y)E(x)^2>=0

求导就得书上的答案.再问：不好意思时间过去有点长忘记题目了，不过你的那个p（x

E{[XY-E(XY)]^2}=E(X^2Y^2)-E(XY)^2=E(X^2)*E(Y^2)-E(X)^2*E(Y)^2=[D(X)+E(X)^2][D(Y)+E(Y)^2]-E(X)^2*E(Y)

X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.5P(XY>0)=P(X>0,Y>0)+P(X0)+P(X再问：X,Y服从正太分布N(0,1),因此P(X>0)=P(Y>0)=0.

只要证明F（G（X）,H（Y））关于G（X）和H（Y）偏导数等于F（G（X））,和F（H（Y））各自关于G和H的偏导数的积就可以了,只要把各自的偏导写出来,然后代一下就有答案了.这个上面不好写,不然帮

fZ(z)=∫(-∞→+∞)fX(x)fY(z-x)dx(1)z＜0fZ(z)=∫(-∞→+∞)fX(x)fY(z-x)dx=0(2)0≤z＜1fZ(z)=∫(0→z)1·1dx=z(3)1≤z＜2f

服从正态分布的随机变量的线性组合仍然服从正态分布,所以样本均值（X-Y）服从N（0,36）分布,（注：X-Y服从N(u1-u2,(σ1^2)/n1+(σ2^2)/n2).剩下的就是求正态分布的概率问题