← 返回知识点列表
10．设总体 $X$ 服从参数 $\lambda=1$ 的泊松分布，$X_{1}, X_{2}, \cdots, X_{n}$ 是来自 $X$ 的简单随机样本，且 $\displaystyle E\left[\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}\right]=\frac{9 n}{10}$ ，则 $n=$ $\_\_\_\_$ ．
答案见答案冊第172页
152 设 $f(x)=x^{2} \mathrm{e}^{3 x}$ ，则 $f^{(n)}(0)=$
（A）$\displaystyle \frac{3^{n}}{n!}$ ．
（B）$n^{2} 3^{n-1}$ ．
（C） $3^{n-2} n(n-1)$ ．
（D） $3^{n-2}(n-1)(n-2)$ ．
350 设 $\boldsymbol{J}=\left[\begin{array}{ccccc}0 & 1 & & & \\ & 0 & 1 & & \\ & & \ddots & \ddots & \\ & & & & 1 \\ & & & & 0\end{array}\right]$ 和 $\boldsymbol{A}=\left[a_{i j}\right]$ 都是 $n$ 阶矩阵，则 $\boldsymbol{A} \boldsymbol{J}=$
（A）$\left[\begin{array}{cccc}0 & a_{11} & \cdots & a_{1, n-1} \\ 0 & a_{21} & \cdots & a_{2, n-1} \\ \vdots & \vdots & & \vdots \\ 0 & a_{n 1} & \cdots & a_{n, n-1}\end{array}\right]$ ．
（B）$\left[\begin{array}{cccc}0 & a_{12} & \cdots & a_{1 n} \\ 0 & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ 0 & a_{n 2} & \cdots & a_{n n}\end{array}\right]$ ．
（C）$\left[\begin{array}{cccc}a_{11} & \cdots & a_{1, n-1} & 0 \\ a_{21} & \cdots & a_{2, n-1} & 0 \\ \vdots & & \vdots & \vdots \\ a_{n 1} & \cdots & a_{n, n-1} & 0\end{array}\right]$ ．
（D）$\left[\begin{array}{cccc}a_{12} & \cdots & a_{1 n} & 0 \\ a_{22} & \cdots & a_{2 n} & 0 \\ \vdots & & \vdots & \vdots \\ a_{n 2} & \cdots & a_{n n} & 0\end{array}\right]$ ．
458 设随机变量 $X$ 的分布律为 $\displaystyle P\{X=k\}=\frac{1}{2^{k} k!(\sqrt{\mathrm{e}}-1)}, k=1,2, \cdots$ ，则 $X$ 的数学期望 $E(X)=$ $\_\_\_\_$ ．
459 相互独立的随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 具有相同的方差 $\sigma^{2}>0$ ，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $D\left(X_{i}-\bar{X}\right)=$ $\_\_\_\_$ ．
设随机变量 $X$ 和 $Y$ 均服从 $\displaystyle B\left(1, \frac{1}{2}\right)$ ，且 $D(X+Y)=1$ ，则 $X$ 与 $Y$ 的相关系数 $\rho=$
$\_\_\_\_$。
461设随机变量 $X$ 服从分布 $E(1)$ ，记 $Y=\min \{|X|, 1\}$ ，则 $Y$ 的数学期望 $E(Y)=$
$\_\_\_\_$。
464 已知二维随机变量 $(X, Y) \sim N\left(\mu_{1}, \mu_{2} ; \sigma_{1}^{2}, \sigma_{2}^{2} ; \rho\right)\left(\sigma_{1}>0, \sigma_{2}>0\right)$ ，则二维随机变量 $\displaystyle \left(\frac{X-\mu_{1}}{\sigma_{1}}, Y\right) \sim$ $\_\_\_\_$ ．
设随机变量 $X$ 服从参数为 $\lambda$ 的泊松分布，且已知 $E[(X-1)(X-2)]=1$ ，则 $\lambda= \_\_\_\_$。
466
设随机变量 $X_{1}, X_{2}, \cdots, X_{n}(n>1)$ 独立同分布，且方差为 $\sigma^{2}>0$ ，记 $Y_{1}=\sum_{i=2}^{n} X_{i}$ 和 $Y_{n}=\sum_{j=1}^{n-1} X_{j}$ ，则 $Y_{1}$ 和 $Y_{n}$ 的协方差 $\operatorname{Cov}\left(Y_{1}, Y_{n}\right)=$ $\_\_\_\_$ ．
468 将一个骰子重复掷 $n$ 次，各次掷出的点数依次为 $X_{1}, \cdots, X_{n}$ ．则当 $n \rightarrow \infty$ 时， $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ 依概率收敛于 $\_\_\_\_$ ．
470 设相互独立的随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 均服从标准正态分布，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则随机变量 $X_{1}-\bar{X}$ 服从的分布及参数为 $\_\_\_\_$ ．
473 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自总体 $X$ 的简单随机样本，而 $\displaystyle X \sim B\left(1, \frac{1}{2}\right)$ ．记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $\displaystyle P\left\{\overline{\boldsymbol{X}}=\frac{k}{n}\right\}=$ $\_\_\_\_$ $(0 \leqslant k \leqslant n)$ ．
477 设 $X_{1}, X_{2}, \cdots, X_{n}$ 是来自总体 $E(\lambda)(\lambda>0)$ 的简单随机样本，记统计量 $\displaystyle T=\frac{1}{n} \sum_{i=1}^{n} X_{i}^{2}$ ，则 $E T=$ $\_\_\_\_$ ．
484 设 $X_{1}, X_{2}, \cdots, X_{n}$ 是来自总体 $X$ 的简单随机样本，$X$ 的概率密度函数为
f(x)=\frac{1}{2 \lambda} \mathrm{e}^{-\frac{|x|}{\lambda}}, \quad-\infty<x<+\infty, \quad \lambda>0
则 $\lambda$ 的最大似然估计量 $\hat{\lambda}=$ $\_\_\_\_$ ．
485 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自正态总体 $N\left(\mu, \sigma_{0}^{2}\right)$ 的简单随机样本，其中 $\sigma_{0}^{2}$ 已知，$\mu$ 未知，则参数 $\mu$ 的最大似然估计 $\hat{\mu}=$ $\_\_\_\_$ ．
497 设离散型随机变量 $X$ 服从分布律 $\displaystyle P\{X=k\}=\frac{C}{k!} \mathrm{e}^{-2}, k=0,1,2, \cdots$ ，则常数 $C$ 必为
（A） 1 ．
（B）e．
（C） $\mathrm{e}^{-1}$ ．
（D） $\mathrm{e}^{-2}$ ．
515 设随机变量 $X$ 和 $Y$ 相互独立同分布。已知 $P\{X=k\}=p q^{k-1}(k=1,2,3, \cdots)$ ，其中 $0<p<1, q=1-p$ ，则 $P\{X=Y\}$ 等于
（A）$\displaystyle \frac{p}{2-p}$ ．
（B）$\displaystyle \frac{1-p}{2-p}$ ．
（C）$\displaystyle \frac{p}{1-p}$ ．
（D）$\displaystyle \frac{2 p}{1-p}$ ．
531 设随机变量 $X$ 的二阶矩存在，则
（A）$E X^{2}<E X$ ．
（B）$E X^{2} \geqslant E X$ ．
（C）$E X^{2}<(E X)^{2}$ ．
（D）$E X^{2} \geqslant(E X)^{2}$ ．
546 已知随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 相互独立且 $E X_{i}=\mu, D X_{i}=\sigma^{2}>0$ ，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $X_{1}-\bar{X}$ 与 $X_{2}-\bar{X}$
（A）不相关且相互独立．
（B）不相关且相互不独立．
（C）相关且相互独立．
（D）相关且相互不独立．
555 设 $X_{1}, X_{2}, \cdots, X_{n}(n \geqslant 2)$ 为来自总体 $N(\mu, 1)$ 的简单随机样本，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则不能得出结论
（A）$\sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}$ 服从 $\chi^{2}$ 分布．
（B） $2\left(X_{n}-X_{1}\right)^{2}$ 服从 $\chi^{2}$ 分布．
（C）$\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}$ 服从 $\chi^{2}$ 分布．
（D）$n(\bar{X}-\mu)^{2}$ 服从 $\chi^{2}$ 分布．
556 设总体 $X$ 服从正态分布 $N\left(0, \sigma^{2}\right), \bar{X}, S^{2}$ 分别为容量是 $n$ 的样本的均值和方差，则可以作出服从自由度为 $n-1$ 的 $t$ 分布的随机变量
（A）$\displaystyle \frac{\sqrt{n} \bar{X}}{S}$ ．
（B）$\displaystyle \frac{\sqrt{n} \bar{X}}{S^{2}}$ ．
（C）$\displaystyle \frac{n \bar{X}}{S}$ ．
（D）$\displaystyle \frac{n \bar{X}}{S^{2}}$ ．
557
设 $X_{1}, X_{2}, X_{3}, \cdots, X_{11}$ 是来自正态总体 $N\left(0, \sigma^{2}\right)$ 的简单随机样本，$\displaystyle Y^{2}=\frac{1}{10} \sum_{i=2}^{11} X_{i}^{2}$ ，则
561 设 $X_{1}, X_{2}, \cdots, X_{n}(n \geqslant 2)$ 为来自总体 $N\left(\mu, \sigma^{2}\right)(\sigma>0)$ 的简单随机样本，令 $\displaystyle \bar{X}= \frac{1}{n} \sum_{i=1}^{n} X_{i}, S=\sqrt{\frac{1}{n-1} \sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}}, S^{*}=\sqrt{\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}}$ ，则
（A）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n)$ ．
（B）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n-1)$ ．
（C）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n)$ ．
（D）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n-1)$ ．
设随机变量 $X \sim F(n, n), p_{1}=P\{X \geqslant 1\}, p_{2}=P\{X \leqslant 1\}$ ，则
565 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自正态总体 $N\left(\mu, \sigma^{2}\right)$ 的简单随机样本，则数学期望 $E\left\{\left(\sum_{i=1}^{n} X_{i}\right)\left[\sum_{j=1}^{n}\left(n X_{j}-\sum_{k=1}^{n} X_{k}\right)^{2}\right]\right\}$ 等于
（A）$n^{3}(n-1) \mu \cdot \sigma^{2}$ ．
（B）$n(n-1) \mu \cdot \sigma^{2}$ ．
（C）$n^{2}(n-1) \mu \cdot \sigma^{2}$ ．
（D）$n^{3}(n-1) \mu \cdot \sigma$ ．
纠钽笔记
常数项级数的概念（级数、部分和、收敛、发散）
第 10 题
第10题
10．设总体 $X$ 服从参数 $\lambda=1$ 的泊松分布，$X_{1}, X_{2}, \cdots, X_{n}$ 是来自 $X$ 的简单随机样本，且 $\displaystyle E\left[\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}\right]=\frac{9 n}{10}$ ，则 $n=$ $\_\_\_\_$ ．
答案见答案冊第172页
第 152 题
第152题
152 设 $f(x)=x^{2} \mathrm{e}^{3 x}$ ，则 $f^{(n)}(0)=$
（A）$\displaystyle \frac{3^{n}}{n!}$ ．
（B）$n^{2} 3^{n-1}$ ．
（C） $3^{n-2} n(n-1)$ ．
（D） $3^{n-2}(n-1)(n-2)$ ．
第 350 题
第350题
350 设 $\boldsymbol{J}=\left[\begin{array}{ccccc}0 & 1 & & & \\ & 0 & 1 & & \\ & & \ddots & \ddots & \\ & & & & 1 \\ & & & & 0\end{array}\right]$ 和 $\boldsymbol{A}=\left[a_{i j}\right]$ 都是 $n$ 阶矩阵，则 $\boldsymbol{A} \boldsymbol{J}=$
（A）$\left[\begin{array}{cccc}0 & a_{11} & \cdots & a_{1, n-1} \\ 0 & a_{21} & \cdots & a_{2, n-1} \\ \vdots & \vdots & & \vdots \\ 0 & a_{n 1} & \cdots & a_{n, n-1}\end{array}\right]$ ．
（B）$\left[\begin{array}{cccc}0 & a_{12} & \cdots & a_{1 n} \\ 0 & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & & \vdots \\ 0 & a_{n 2} & \cdots & a_{n n}\end{array}\right]$ ．
（C）$\left[\begin{array}{cccc}a_{11} & \cdots & a_{1, n-1} & 0 \\ a_{21} & \cdots & a_{2, n-1} & 0 \\ \vdots & & \vdots & \vdots \\ a_{n 1} & \cdots & a_{n, n-1} & 0\end{array}\right]$ ．
（D）$\left[\begin{array}{cccc}a_{12} & \cdots & a_{1 n} & 0 \\ a_{22} & \cdots & a_{2 n} & 0 \\ \vdots & & \vdots & \vdots \\ a_{n 2} & \cdots & a_{n n} & 0\end{array}\right]$ ．
第 458 题
第458题
458 设随机变量 $X$ 的分布律为 $\displaystyle P\{X=k\}=\frac{1}{2^{k} k!(\sqrt{\mathrm{e}}-1)}, k=1,2, \cdots$ ，则 $X$ 的数学期望 $E(X)=$ $\_\_\_\_$ ．
第 459 题
第459题
459 相互独立的随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 具有相同的方差 $\sigma^{2}>0$ ，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $D\left(X_{i}-\bar{X}\right)=$ $\_\_\_\_$ ．
设随机变量 $X$ 和 $Y$ 均服从 $\displaystyle B\left(1, \frac{1}{2}\right)$ ，且 $D(X+Y)=1$ ，则 $X$ 与 $Y$ 的相关系数 $\rho=$
$\_\_\_\_$。
461设随机变量 $X$ 服从分布 $E(1)$ ，记 $Y=\min \{|X|, 1\}$ ，则 $Y$ 的数学期望 $E(Y)=$
$\_\_\_\_$。
第 464 题
第464题
464 已知二维随机变量 $(X, Y) \sim N\left(\mu_{1}, \mu_{2} ; \sigma_{1}^{2}, \sigma_{2}^{2} ; \rho\right)\left(\sigma_{1}>0, \sigma_{2}>0\right)$ ，则二维随机变量 $\displaystyle \left(\frac{X-\mu_{1}}{\sigma_{1}}, Y\right) \sim$ $\_\_\_\_$ ．
设随机变量 $X$ 服从参数为 $\lambda$ 的泊松分布，且已知 $E[(X-1)(X-2)]=1$ ，则 $\lambda= \_\_\_\_$。
466
设随机变量 $X_{1}, X_{2}, \cdots, X_{n}(n>1)$ 独立同分布，且方差为 $\sigma^{2}>0$ ，记 $Y_{1}=\sum_{i=2}^{n} X_{i}$ 和 $Y_{n}=\sum_{j=1}^{n-1} X_{j}$ ，则 $Y_{1}$ 和 $Y_{n}$ 的协方差 $\operatorname{Cov}\left(Y_{1}, Y_{n}\right)=$ $\_\_\_\_$ ．
第 468 题
第468题
468 将一个骰子重复掷 $n$ 次，各次掷出的点数依次为 $X_{1}, \cdots, X_{n}$ ．则当 $n \rightarrow \infty$ 时， $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ 依概率收敛于 $\_\_\_\_$ ．
第 470 题
第470题
470 设相互独立的随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 均服从标准正态分布，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则随机变量 $X_{1}-\bar{X}$ 服从的分布及参数为 $\_\_\_\_$ ．
第 473 题
第473题
473 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自总体 $X$ 的简单随机样本，而 $\displaystyle X \sim B\left(1, \frac{1}{2}\right)$ ．记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $\displaystyle P\left\{\overline{\boldsymbol{X}}=\frac{k}{n}\right\}=$ $\_\_\_\_$ $(0 \leqslant k \leqslant n)$ ．
第 477 题
第477题
477 设 $X_{1}, X_{2}, \cdots, X_{n}$ 是来自总体 $E(\lambda)(\lambda>0)$ 的简单随机样本，记统计量 $\displaystyle T=\frac{1}{n} \sum_{i=1}^{n} X_{i}^{2}$ ，则 $E T=$ $\_\_\_\_$ ．
第 484 题
第484题
484 设 $X_{1}, X_{2}, \cdots, X_{n}$ 是来自总体 $X$ 的简单随机样本，$X$ 的概率密度函数为
f(x)=\frac{1}{2 \lambda} \mathrm{e}^{-\frac{|x|}{\lambda}}, \quad-\infty<x<+\infty, \quad \lambda>0
则 $\lambda$ 的最大似然估计量 $\hat{\lambda}=$ $\_\_\_\_$ ．
第 485 题
第485题
485 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自正态总体 $N\left(\mu, \sigma_{0}^{2}\right)$ 的简单随机样本，其中 $\sigma_{0}^{2}$ 已知，$\mu$ 未知，则参数 $\mu$ 的最大似然估计 $\hat{\mu}=$ $\_\_\_\_$ ．
第 497 题
第497题
497 设离散型随机变量 $X$ 服从分布律 $\displaystyle P\{X=k\}=\frac{C}{k!} \mathrm{e}^{-2}, k=0,1,2, \cdots$ ，则常数 $C$ 必为
（A） 1 ．
（B）e．
（C） $\mathrm{e}^{-1}$ ．
（D） $\mathrm{e}^{-2}$ ．
第 515 题
第515题
515 设随机变量 $X$ 和 $Y$ 相互独立同分布。已知 $P\{X=k\}=p q^{k-1}(k=1,2,3, \cdots)$ ，其中 $0<p<1, q=1-p$ ，则 $P\{X=Y\}$ 等于
（A）$\displaystyle \frac{p}{2-p}$ ．
（B）$\displaystyle \frac{1-p}{2-p}$ ．
（C）$\displaystyle \frac{p}{1-p}$ ．
（D）$\displaystyle \frac{2 p}{1-p}$ ．
第 531 题
第531题
531 设随机变量 $X$ 的二阶矩存在，则
（A）$E X^{2}<E X$ ．
（B）$E X^{2} \geqslant E X$ ．
（C）$E X^{2}<(E X)^{2}$ ．
（D）$E X^{2} \geqslant(E X)^{2}$ ．
第 546 题
第546题
546 已知随机变量 $X_{1}, X_{2}, \cdots, X_{n}$ 相互独立且 $E X_{i}=\mu, D X_{i}=\sigma^{2}>0$ ，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则 $X_{1}-\bar{X}$ 与 $X_{2}-\bar{X}$
（A）不相关且相互独立．
（B）不相关且相互不独立．
（C）相关且相互独立．
（D）相关且相互不独立．
第 555 题
第555题
555 设 $X_{1}, X_{2}, \cdots, X_{n}(n \geqslant 2)$ 为来自总体 $N(\mu, 1)$ 的简单随机样本，记 $\displaystyle \bar{X}=\frac{1}{n} \sum_{i=1}^{n} X_{i}$ ，则不能得出结论
（A）$\sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}$ 服从 $\chi^{2}$ 分布．
（B） $2\left(X_{n}-X_{1}\right)^{2}$ 服从 $\chi^{2}$ 分布．
（C）$\sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}$ 服从 $\chi^{2}$ 分布．
（D）$n(\bar{X}-\mu)^{2}$ 服从 $\chi^{2}$ 分布．
第 556 题
第556题
556 设总体 $X$ 服从正态分布 $N\left(0, \sigma^{2}\right), \bar{X}, S^{2}$ 分别为容量是 $n$ 的样本的均值和方差，则可以作出服从自由度为 $n-1$ 的 $t$ 分布的随机变量
（A）$\displaystyle \frac{\sqrt{n} \bar{X}}{S}$ ．
（B）$\displaystyle \frac{\sqrt{n} \bar{X}}{S^{2}}$ ．
（C）$\displaystyle \frac{n \bar{X}}{S}$ ．
（D）$\displaystyle \frac{n \bar{X}}{S^{2}}$ ．
557
设 $X_{1}, X_{2}, X_{3}, \cdots, X_{11}$ 是来自正态总体 $N\left(0, \sigma^{2}\right)$ 的简单随机样本，$\displaystyle Y^{2}=\frac{1}{10} \sum_{i=2}^{11} X_{i}^{2}$ ，则
第 561 题
第561题
561 设 $X_{1}, X_{2}, \cdots, X_{n}(n \geqslant 2)$ 为来自总体 $N\left(\mu, \sigma^{2}\right)(\sigma>0)$ 的简单随机样本，令 $\displaystyle \bar{X}= \frac{1}{n} \sum_{i=1}^{n} X_{i}, S=\sqrt{\frac{1}{n-1} \sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2}}, S^{*}=\sqrt{\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^{2}}$ ，则
（A）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n)$ ．
（B）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S} \sim t(n-1)$ ．
（C）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n)$ ．
（D）$\displaystyle \frac{\sqrt{n}(\bar{X}-\mu)}{S^{*}} \sim t(n-1)$ ．
设随机变量 $X \sim F(n, n), p_{1}=P\{X \geqslant 1\}, p_{2}=P\{X \leqslant 1\}$ ，则
第 565 题
第565题
565 设 $X_{1}, X_{2}, \cdots, X_{n}$ 为来自正态总体 $N\left(\mu, \sigma^{2}\right)$ 的简单随机样本，则数学期望 $E\left\{\left(\sum_{i=1}^{n} X_{i}\right)\left[\sum_{j=1}^{n}\left(n X_{j}-\sum_{k=1}^{n} X_{k}\right)^{2}\right]\right\}$ 等于
（A）$n^{3}(n-1) \mu \cdot \sigma^{2}$ ．
（B）$n(n-1) \mu \cdot \sigma^{2}$ ．
（C）$n^{2}(n-1) \mu \cdot \sigma^{2}$ ．
（D）$n^{3}(n-1) \mu \cdot \sigma$ ．
纠钽笔记