设 $x_1, x_2, \cdots, x_n$ 是来自泊松分布 $P(\lambda)$ 的一个样本，证明：
(1) $T = \sum_{i=1}^{n} x_i$ 是 $\lambda$ 的充分统计量。
(2) 依据条件分布 $P(X=x \mid T=t)$ 设计一个随机试验，使其产生的样本与原样本同分布。
(3) 在 $n=2$ 时，$x_1 + 2x_2$ 是统计量，但不是 $\lambda$ 的充分统计量。
设(X_1,X_2,...,X_n)为来自总体Xsim N(0,1)的一个样本，统计量Y=(sqrt(n-1)X_1)/(sqrt(sum_(i=2)^n X_
设(X_1, X_2, ..., X_n)为参数lambda的泊松分布的一个样本(lambda未知)，不是统计量的选项是A. $X_1X_2\cdots X_n
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
设总体 X sim N(0, sigma^2)，(X_1, X_2, ..., X_n) 是来自总体 X 的样本，则 (1)/(sigma^2) sum_(i=
设 n 个随机变量 X_1, X_2, ldots, X_n 独立同分布, D(X_1) = sigma^2, overline(X) = (1)/(n) su
设 X_1, X_2, ..., X_n 是X的样本,X的期望为EX,且 overline(X) = (1)/(n) sum_(i=1)^n X_i ,则有()
样本 X_1, X_2, ldots, X_n 来自总体 X sim N(0,1) ， overline(X) = (1)/(n) sum_(i=1)^n X_
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(0,1)，(X_1,X_2,...,X_n) 是总体 X 的样本，令 overline(X)=(1)/(n)sum_(i=1)^nX_i
(1)/(5)sum_(i=1)^n(X_(i)-lambda)^2, minX_{1),X_(2),...,X_(n)}中不是统计量的是____.三、设总体