设X_1,X_2为来自总体N(mu,sigma^2)的样本，则下列是mu的无偏估计量的是(）

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. $

设(X_1,X_2,...,X_n)为总体N(mu,sigma^2)(mu已知)的一个样本，overline(X)为样本均值，则在总体方差sigma^2的下列估

设 X_1, X_2, ..., X_n 是总体 X 的样本，下列估计量是总体均值 mu 的无偏估计量的是(）A. $\mu_1 = \frac{1}{2} X

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 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 =

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, Lambda, X_n 是来自正态总体 N(mu, sigma^2) 的样本，则（ ）是 mu 无偏估计.(A) X_1 + X_2 +

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 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