参数[img=11x23]180364b4ced3a0d.png[/img]的估计量[img=12x28]180364b4d730129.png[/img]的有效性是指( )。
未知类型:{'options': ['', '', '在所有线性无偏估计量中,[img=87x29]180364b4f07995f.png[/img]', '在所有线性无偏估计量中,[img=54x29]180364b4f8ee790.png[/img]最小'], 'type': 102}
未知类型:{'options': ['', '', '在所有线性无偏估计量中,[img=87x29]180364b4f07995f.png[/img]', '在所有线性无偏估计量中,[img=54x29]180364b4f8ee790.png[/img]最小'], 'type': 102}
举一反三
- 用OLS法估计模型[img=127x28]17e0c8a9d759c1d.png[/img]的参数,要使参数估计量为最佳线性无偏估计量,则要求( )。 未知类型:{'options': ['', ' [img=83x29]17e0c8a9f186568.png[/img]', ' [img=93x29]17e0c8a9fe63e3b.png[/img]', ' [img=21x28]17e0c8aa0b1c5df.png[/img]服从正态分布', ' X为非随机变量,与随机误差项[img=1x1]17e0a6a55067d30.gif[/img]不相关。'], 'type': 102}
- 用OLS法估计模型[img=127x28]17e448f653a6ec6.png[/img]的参数,要使参数估计量为最佳线性无偏估计量,则要求( )。 未知类型:{'options': ['', ' [img=83x29]17e448f66a31367.png[/img]', ' [img=93x29]17e448f67538314.png[/img]', ' [img=21x28]17e448f68051dc4.png[/img]服从正态分布', ' X为非随机变量,与随机误差项[img=1x1]17e435c199f0eab.gif[/img]不相关。'], 'type': 102}
- 设总体X的密度函数为[img=193x73]1803194c9f26233.png[/img] ,其中[img=44x23]1803194ca7c82af.png[/img]为参数, [img=118x29]1803194cb085ff7.png[/img]是从总体X中抽取的一个简单随机样本.求未知参数[img=11x23]1803194cb7db18c.png[/img]的最大似然估计量[img=12x28]1803194cc0795f3.png[/img]. 未知类型:{'options': ['', '', '', ''], 'type': 102}
- 样本[img=150x35]1803b3bd483ea9f.png[/img](n≥3)取自总体X,则下列估计量中,不是总体期望μ的无偏估计量的是 未知类型:{'options': ['', '', '', ''], 'type': 102}
- 设总体X的数学期望[img=76x25]1802d3bd31feb8e.png[/img],方差[img=138x25]1802d3bd3a2a490.png[/img]未知,[img=50x23]1802d3bd440260e.png[/img]是总体X的简单随机样本,则以下估计量中是[img=9x19]1802d3bd4c2b7f0.png[/img]的无偏估计量的是 未知类型:{'options': ['', '', '', '', '', '', ''], 'type': 102}