Помогите со статистикой и вероятностью....очень нужно!

Построение оценок
Во всех примерах модуля мы рассматривали оценки некоторых характеристик, применимые в тех или иных ситуациях. Вид оценок брался, исходя из общих неформализуемых соображений. Возникает естественный вопрос: можно ли предложить общий способ построения оценок, который будет давать хорошие оценки и в случае более сложных характеристик?
Рассмотрим один из таких способов, который называется принципом выборочных аналогов. Пусть мы хотим посчитать некоторую характеристику f(ξ1)𝑓(𝜉1) случайной величины ξ1𝜉1. Если бы мы знали распределение ξ1𝜉1, то f(ξ1)𝑓(𝜉1), и мы бы смогли вычислить. Но это распределение мы не знаем. Идея состоит в том, чтобы вместо случайной величины ξ1𝜉1 рассмотреть выборочное распределение и соответствующую случайную величину ξ^1𝜉^1 и вычислить f(ξ^1)𝑓(𝜉^1) на его основе. Иными словами, мы ранее научились оценивать распределение, а теперь давайте просто будем использовать эту оценку, как будто это и есть неизвестная случайная величина ξ1𝜉1.
Стоит отметить, что принцип выборочных аналогов часто даёт хорошие оценки, однако это происходит не всегда. Поэтому свойства полученных оценок необходимо проверять и, при необходимости, модифицировать оценки (например, как в случае с несмещённой оценкой дисперсии из лекции).
Построим оценку для Eξ1E𝜉1 с помощью принципа выборочных аналогов для выборки из 1010 элементов: 1,3,1,4,1,4,3,1,3,11,3,1,4,1,4,3,1,3,1.
1.P(ξ^1=1)=
P(ξ^1=3)=
P(ξ^1=4)=
2. Вычислите Eξ^1E𝜉^1.
3. Во второй лекции в качестве оценки для Eξ1E𝜉1 рассматривалось среднее арифметическое элементов выборки x¯¯¯𝑥¯. Сравните эту оценку с оценкой, полученной в прошлом упражнении.
В качестве ответа запишите разность x¯−Eξ^1𝑥¯−E𝜉^1. Подумайте, почему вне зависимости от выборки ответ всегда будет таким.