根据调查资料的内容,统计分析可分为()。A. 描述统计分析B. 推论统计分析C. 单变量统计分析D. 双变量统计分析

设X1,X2,···,Xn是正态总体N(μ,σ^2 )的样本,则 dfrac (1)(n)sum _(i=1)^n(({X)_(i)-overline (X))}^2 是 ()-|||-(A)σ^2的无偏估计量; (B)σ^2的最大似然估计量;-|||-(C)σ的无偏估计量; (D)σ的最大似然估计量.

若随机向量（X，Y）服从二维正态分布，则 ①X，Y一定相互独立； ②若PXY=0，则X，Y一定相互独立； ③X和Y都服从一维正态分布； ④若X，Y相互独立，则Cov（X，Y）=0。 几种说法中正确的是（）A. ①②③④B. ②③④C. ①③④D. ①②④

设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

6.12(仅数学一)设X1,X2,X3取自存在有限数学期望μ和方差σ^2的总体X,下列统计量中不为总-|||-体X数学期望μ的无偏估计量的是 () .-|||-(A) (hat {mu )}_(1)=dfrac (1)(5)(X)_(1)+dfrac (3)(10)(X)_(2)+dfrac (1)(2)(X)_(3) (B) (mu )_(2)=dfrac (1)(3)(X)_(1)+dfrac (1)(4)(X)_(2)+dfrac (5)(12)(X)_(3) .-|||-(C) (hat {mu )}_(3)=dfrac (1)(4)(X)_(1)+dfrac (1)(4)(X)_(2)+dfrac (1)(4)(X)_(3) . (D) (hat {mu )}_(4)=dfrac (1)(3)(X)_(1)+dfrac (3)(4)(X)_(2)-dfrac (1)(12)(X)_(3) .

设总体 X sim N(2, 16)，X_1, X_2, ..., X_n 是来自总体的样本, overline(X) 为样本均值,则(). A. (overline(X)-2)/(4/sqrt(n)) sim N(0,1)B. (overline(X)-2)/(16/sqrt(n)) sim N(0,1)C. (overline(X)-2)/(4/sqrt(n)) sim N(0,1)D. (overline(X)-2)/(16/sqrt(n)) sim N(0,1)

6.12(仅数学一)设X1,X2,X3取自存在有限数学期望μ和方差σ^2的总体X,下列统计量中不为总-|||-体X数学期望μ的无偏估计量的是 () .-|||-(A) (hat {mu )}_(1)=dfrac (1)(5)(X)_(1)+dfrac (3)(10)(X)_(2)+dfrac (1)(2)(X)_(3) (B) (hat {mu )}_(2)=dfrac (1)(3)(X)_(1)+dfrac (1)(4)(X)_(2)+dfrac (5)(12)(X)_(3)-|||-(C) (hat {mu )}_(3)=dfrac (1)(4)(X)_(1)+dfrac (1)(4)(X)_(2)+dfrac (1)(4)(X)_(3) (D) (hat {mu )}_(4)=dfrac (1)(3)(X)_(1)+dfrac (3)(4)(X)_(2)-dfrac (1)(12)(X)_(3)

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 = (1)/(2) X_1 - (1)/(4) X_2 + (1)/(3) X_3B. mu_2 = (1)/(6) X_1 + (11)/(12) X_2 + (1)/(12) X_3C. mu_3 = (1)/(3) X_1 + (1)/(2) X_2 + (1)/(6) X_3D. mu_4 = (1)/(2) X_1 + (1)/(2) X_2 + (1)/(2) X_3

5.[单选题]-|||-设总体 approx E(lambda ). 则未知参数λ的矩估计量为 () 。-|||-bigcirc A. dfrac (1)(x)-|||-__-|||-bigcirc B. overline (1)-|||-bigcirc C. overline (X)-1-|||-bigcirc D. dfrac (2)(x)-|||-__

53. (1.5分) 设Xsim N(mu,sigma^2)其中μ已知，σ²未知，X_(1),X_(2),X_(3)样本，则下列选项中不是统计量的是（）A. X_(1)+X_(2)+X_(3)B. maxX_{1),X_(2),X_(3)}C. sum_(i=1)^3(X_(i)^2)/(sigma^2)D. X_(1)-mu