已知样本${X}_{1}$，${X}_{2}$，$\cdots $，${X}_{16}$取自正态分布总体$N\left(0,16\right)$，$\overline{X}$为样本均值，已知$P\{ \overline {X}\geqslant \lambda \} =0.01$，则$\lambda =$ .
5、已知样本x1,x 2,···,x16取自正态分布总体N(0,16),X为样本均值,已知-|||- overline {X)geqslant lambda }
，(X)_(16))取自标准正态分布总体N(0，1)，overline(X)、S分别为样本均值和标准差，则(,,,,,)A、overline(X)sim N(0
,(X)_(16)取自正态分布总体_(1),(X)_(2),... ,(X)_(16)，_(1),(X)_(2),... ,(X)_(16)为样本均值，已知_(
设 X_1, X_2, ..., X_n 是取自指数分布 E(lambda) 的样本，lambda > 0 为常数.(1) 试求样本均值 overline(X)
已知X，Y是随机变量，且overline (y)=(lambda X)overline (H)，overline (y)=(lambda X)overline
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 的样本，X sim E(lambda)，则 E(overline(X))= _ ，D(overli
设总体 X 服从正态分布 N(0, sigma^2)，overline(X), S^2 分别是容量为 n 的样本的均值和方差，则 (sqrt(n)overlin
设(X1,X2,···,Xn)是取自总体 sim E(X) 的一个样本,X为样本均值,-|||-sqrt (ar(overline {X))}=dfrac (1
,n) ,X为样本均值,则 (overline (X))= __