设总体 $X \sim N(\mu, \sigma^2)$，$X_1, X_2, \ldots, X_n$ 是来自 $X$ 的样本，则 $\sigma^2$ 的最大似然估计量是（ ）. A. $\frac{1}{n} \sum_{i=1}^{n} (X_i - \overline{X})^2$ B. $\frac{1}{n-1} \sum_{i=1}^{n} (X_i - \overline{X})^2$ C. $\frac{1}{n} \sum_{i=1}^{n} X_i^2$ D. $\overline{X}^2$
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
设 X_1, X_2, ldots, X_n 是来自正态总体 X sim N(mu, sigma^2) 的样本，则 ((n-1)S^2)/(sigma^2) s
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 服从正态分布 N(mu, sigma^2)，其中 mu，sigma^2 未知，(X_1, X_2, ldots, X_n) 是来自该总体的一个样本，
设总体 X sim N(mu, sigma^2)，其中 mu, sigma^2 已知，X_1, X_2, ldots, X_n （n geq 3）为来自总体 X
设总体 X sim N(mu, sigma^2)，X_1, X_2, ldots, X_n 为来自该总体的样本，bar(X) 为样本均值，S^2 为样本方差，则
设 X_1, X_2, ..., X_n 是来自正态总体 X sim N(mu, sigma^2) 的样本，则 (overline(X) - mu)/(sqrt
设X_1, X_2, ldots, X_n是来自总体N(mu, sigma^2)的样本，令Y = (sum_(i=1)^n(X_i - overline(X))
设总体 X sim N(mu, sigma^2)，sigma^2 已知，X_1, X_2, ldots, X_n 为来自总体 X 的样本，overline(X)
设总体 X sim N(mu, sigma^2)，X_1, X_2, X_3 是来自 X 的样本，则最有效的估计量是【 】。A. $\hat{\mu}_1 =