2、若总体X服从参数为θ的指数分布，X_(1),X_(2),...,X_(n)为X的样本，则参数θ的矩估计量hat(theta)=

3、若总体X服从参数为λ的伯松分布，X_(1),X_(2),...,X_(n)为X的样本，则参数λ的矩估计量hat(lambda)=A. $\overline{

X_(1), X_(2), X_(3), X_(4)为参数为theta的指数分布总体的样本，设theta的估计量 T_(1) = (X_(1) + X_(2))

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ξ服从参数为λ的指数分布，其中λ>0为未知参数.如果样本观测值为x_(1),x_(2),...,x_(n)，试求参数λ的极大似然法估计量.7.（20分）设

1、设总体X服从参数为N和p的二项分布，X_(1),X_(2),...,X_(n)为取自X的样本，试求参数N和p的矩估计量与p的最大似然估计量。1、设总体X服从

16、设X~U(0,θ)，其中θ>0为未知参数，又X_(1),X_(2),...,X_(n)为来自总体X的样本，则θ的矩估计量是( ) .A. $\bar{X}

已知 (x_(1),x_(2),...,x_(n)) 是来自总体 X 的样本，X服从[0,θ]上的均匀分布，则未知参数θ的矩估计是 ( )。A. $\frac{

1 设总体Xsim N(0,1)，X_(1),X_(2),...,X_(n)为X的样本，则((X_(1)-X_(2))/(X_(3)+X_{4)})^2服从__

设总体X:B(m,p)，X_(1),X_(2),...,X_(n)是来自总体X的样本，则未知参数p的极大似然估计量为（）.A. $\overline{X}$B.

设总体Xsim B(m,p)，x_(1),x_(2),...,x_(n)是来自总体X的样本，则未知参数p的极大似然估计量为( ).A. $\overline{x