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 ()。

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, 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（ ）.

设总体Xsim b(1,p)，X_1,X_2,...,X_n是取自总体X的一个样本，则参数p的最大似然估计为(）.A. $\hat{p}=\overline{X

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 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（）A. $\frac{\over

设 X_1, X_2, dotsc, X_n 是来自总体 X 的样本，X sim E(lambda)，则 E(overline(X))= _ ，D(overli

设 X sim b(1, p)，其中 p 为未知参数，X_1, X_2, dotsc, X_n 为来自于总体 X 的一个样本，下列各式中不是统计量的是:A. $