设总体 X 服从区间 [theta, 4theta] 上的均匀分布 (theta > 0)，x_1, x_2, ldots, x_n 为来自 X 的样本，overline(x) 为样本均值，则 E(overline(x))=

设总体 X 服从区间 [-theta, theta] 上均匀分布 (theta > 0)，X_1, ..., X_n 为样本，则 theta 的最大似然估计为

假设总体 X 服从区间 [0, theta]上的均匀分布，样本 X_1, X_2, dotsc, X_n 来自总体 X 。则未知参数 theta的极大似然估计量

设 X_1, X_2, ldots, X_n 是来自总体 X 的样本，总体 X 的概率密度函数为 f(x; theta)，theta 是未知参数，hat(the

设总体 X sim U(0, theta), 其中 theta 为未知参数, X_1, X_2, ldots, X_n 为来自总体 X 的样本, 则 theta

设theta为总体X中的一个未知参数，X_1, X_2, ..., X_n为它的一个样本，x_1, x_2, ..., x_n为对应的样本值，hat(theta

若总体X服从参数为theta的指数分布，X_1, X_2, ..., X_n为X的样本，则参数theta的矩估计量hat(theta)=A. $\frac{1}

设总体 X sim U(0, theta)，X_1, X_2, ldots, X_n 是来自总体 X 的样本，则下列结论不正确的是(） 设总体 $X \sim

设总体 X 的概率密度为 f(x; theta)= theta x^theta-1 (0 0 是未知参数，(X_1, X_2, ..., X_n) 是来自于

设总体 X sim N(2, 9)，X_1, X_2, ..., X_n 是来自总体的样本，overline(X) 为样本均值，则()。 A (overl

设 X_1, X_2, ..., X_n 为来自正态总体 N(mu, sigma^2) 的简单随机样本，则样本均值 overline(X) 服从的分布为()A.