A. $f(x)$
B. $f''(x)$
C. $f(x_1)f(x_2)\cdots f(x_n)$
D. $f(x_1)+f(x_2)+\cdots+f(x_n)$
设(X_1, X_2, ldots, X_n)为总体X的(简单随机)样本,则A. $X_1, X_2, \ldots, X_n$都与总体$X$具有相同的分布函数
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X_1, X_2, ldots, X_n(n > 2)是来自总体N(mu, sigma^2)的简单随机样本,overline(X)为样本均值,已知T = C
设总体X服从参数lambda确定的某分布,g(x_1,x_2,...,x_n)是n元连续函数,X_1,X_2,...,X_n为X的样本,如果(),则g(X_1,
设总体 X sim N(mu, sigma^2),(X_1, X_2, ldots, X_n) 为来自总体 X 的简单随机样本,则下列结论不正确的是()A. $
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.
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,overline(X) 为样本均值,S^2 为样本方差,
设 X_1, X_2, ldots, X_n 相互独立,且分布函数分别为 F_1(x), F_2(x), ldots, F_n(x),则 M = max(X_1
设 X_1, X_2, Lambda, X_n 是来自正态总体 N(mu, sigma^2) 的样本,则( )是 mu 无偏估计.(A) X_1 + X_2 +