设 X_1, X_2, X_3 是来自均值为 theta 的指数分布总体的样本，theta 未知，则 theta 的以下无偏估计量中(）较为有效。

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 X sim U(0, theta), 其中 theta 为未知参数, X_1, X_2, ldots, X_n 为来自总体 X 的样本, 则 theta

设 X_1, X_2, X_3 为来自总体 X 的样本，则下列(）不是总体均值无偏估计量A. $\hat{\mu}_1 = 0.2X_1 + 0.3X_2 +

设 hat theta = hat theta (X_1, X_2, dots ,X_n)是未知参数 theta的估计量，若 E(hat theta)= the

假设总体 X 服从区间 [0, theta]上的均匀分布，样本 X_1, X_2, dotsc, X_n 来自总体 X 。则未知参数 theta的极大似然估计量

X_1, X_2, ..., X_n 是来自总体 X 的一个样本，求参数 theta 的极大似然估计量 hat(theta)，并判断其是否为 theta 的无偏

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

设总体 X 服从区间 [theta, 4theta] 上的均匀分布 (theta > 0)，x_1, x_2, ldots, x_n 为来自 X 的样本，ov

设总体 X 的概率密度为 f(x; theta)= theta x^theta-1 (0 0 是未知参数，(X_1, X_2, ..., X_n) 是来自于

设样本 X_1, X_2, ldots, X_n 来自总体 X，则下列估计量中不是总体均值 mu 的无偏估计量的是(）A. $\overline{X}$B. $