设 hat theta = hat theta (X_1, X_2, dots ,X_n)是未知参数 theta的估计量，若 E(hat theta)= theta，则称 hat theta为 theta的无偏估计量。

设 hat(theta) 是未知参数 theta 的估计量，若 E(hat(theta))=theta，则称 hat(theta) 为参数 theta 的一个_

设hat(theta)_1和hat(theta)_2是参数theta的两个无偏估计量，若hat(theta)_1比hat(theta)_2更有效，则()A. $

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 hat(theta) 是未知参数 theta 的一个估计量，若 Ehat(theta) neq theta，则 hat(theta) 是 theta 的()

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}

10、判断 若hat(theta)是theta的无偏估计量，则(hat(theta))^2也是theta^2的无偏估计量.（）A. √B. ×

判断设 hat(theta_1), hat(theta_2)是 theta的无偏估计量,若 D(theta_1) > D(theta_2)，则 hat(thet

设 hat(theta)_1, hat(theta)_2 是参数 theta 的两个相互独立的无偏估计量，且 D(hat(theta)_1)= 2D(hat(t

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

10、判断 设hat(theta)是总体参数theta的极大似然估计量，则hat(T)=f(hat(theta))是f(theta)的极大然估计量.A. √B.