设 X_1, X_2, ..., X_n 是来自参数为 lambda 的泊松分布总体的一个样本，则 lambda 的矩估计量为（）

设(X_1, X_2, ..., X_n)为参数lambda的泊松分布的一个样本(lambda未知)，不是统计量的选项是A. $X_1X_2\cdots X_n

若总体X服从指数分布E(lambda)，X_1,X_2,...,X_n为来自X的样本，overline(X),S^2为样本均值和样本方差，则lambda的矩估计

设 X_1, X_2, dotsc, X_n 是来自总体 X 的一个样本，且 X sim P(lambda)，则 P X = 0的最大似然估计量为 ()。A.

设 X_1, X_2, dotsc, X_n 是来自总体 X 的一个样本，且 X sim P(lambda)，则 P X = 0的最大似然估计量为 ()。A.

X_1, X_2, X_3, ..., X_n 是来自总体 X 的一个样本, 且 X sim P(lambda), 则 PX=0 的最大似然估计量为 ().A.

设 x_1, x_2, ..., x_n 是来自泊松分布 P(lambda) 的一个样本，证明：(1) T = sum_(i=1)^n x_i 是 lambda

设总体 X sim B(N, p), p 为未知参数, (X_1, X_2, ..., X_n) 是来自总体 X 的一个样本, 则参数 p 的极大似然估计量为A

设总体 X sim N(mu, sigma^2)，X_1, X_2, ..., X_n 是来自总体 X 的一个样本，则 sigma^2 的无偏估计量是().A.

设总体 X 服从参数为 lambda 的泊松分布，X_1, X_2, ldots, X_n 是来自总体 X 的一个简单随机样本，bar(X), S^2 分别是样

设总体 X sim N(mu, sigma^2), X_1, X_2, ldots, X_n 是来自总体 X 的一个样本，则 sigma^2 的最大似然估计量为