第1个回答 2021-03-06
详细过程可以是,当n1=n2=1时,F(n1,n1)的概率密度函数f(x)=(1/π)/[(1+x)√x],x>0。
∴P(X>1)=∫(1,∞)f(x)dx=(1/π)∫(1,∞)dx/[(1+x)√x]=(2/π)∫(1,∞)d(√x)/(1+x)=(2/π)arctan(√x)丨(x=1,∞)=…=1/2。
∴选D。
第2个回答 2021-03-03
真的没什么好说的,我用这个来复习一下:)一切都是基于正态分布,注意力是标准的。正态分布的平方和服从自由度 n 的 x 平方分布,注意它是平方和,而不是平方和的均值。然后用自由度除以卡方分布,自由度是分子和分母,自由度是 f (m,n)分布。这两个参数分别是分子和分母的卡方分布自由度。T 分布的平方是单自由度的 f 分布,所以你可以看到 t 分布的分子是正态分布,分母是 x 平方分布的根除以它的自由度。这些分布是假设检验中参数估计的重要依据。T 分布通常用于检测参数期望值,而 f 和卡方分布通常用于检测方差相关的估计量。见原帖
第3个回答 2022-06-27
你好!P(3<X≤6)=F(6)-F(3)=1-9/25=16/25。经济数学团队帮你解答,请及时采纳。谢谢!
第4个回答 2022-06-27
你好!P(3<X≤6)=F(6)-F(3)=1-9/25=16/25。经济数学团队帮你解答,请及时采纳。谢谢!