设总体X服从指数分布，均值为μ，[img=22x22]1803e09b330b393.png[/img]为X的样本，用[img=22x22]1803e09b330b393.png[/img]和[img=40x25]1803e09b4484de9.png[/img]估计μ，则在均方误差准则下，[img=22x22]1803e09b330b393.png[/img]比[img=40x25]1803e09b4484de9.png[/img]更优.
举一反三
- 设总体X服从指数分布，均值为μ，[img=22x22]180391632e16006.png[/img]为X的样本，用[img=22x22]180391632e16006.png[/img]和[img=40x25]180391633fa072a.png[/img]估计μ，则在均方误差准则下，[img=22x22]180391632e16006.png[/img]比[img=40x25]180391633fa072a.png[/img]更优.
- 设总体X服从指数分布，均值为μ，[img=22x22]1802d3d7dec780c.png[/img]为X的样本，用[img=22x22]1802d3d7dec780c.png[/img]和[img=40x25]1802d3d7ef63fe9.png[/img]估计μ，则在均方误差准则下，[img=22x22]1802d3d7dec780c.png[/img]比[img=40x25]1802d3d7ef63fe9.png[/img]更优.
- 序列x(n)的傅里叶变换为X([img=22x22]1803a80946474ed.png[/img]），则[img=18x20]1803a8094e62489.png[/img]（-n）的傅里叶变换为 A: X([img=22x22]1803a80955f8141.png[/img]） B: [img=24x20]1803a8095dc962e.png[/img]([img=22x22]1803a80955f8141.png[/img]） C: X([img=32x22]1803a8096f435fb.png[/img]） D: [img=24x20]1803a80978321c3.png[/img]([img=32x22]1803a8096f435fb.png[/img]）
- 设[img=162x19]17e0ab913cc7ca8.jpg[/img]且X，Y相互独立，则[img=84x19]17e0ab9147a14b0.jpg[/img]. A: 14 B: 22 C: 32 D: 40
- 若x(n)为实序列，X([img=22x22]1803a8095b075bb.png[/img])是其离散时间傅立叶变换，则 A: X([img=22x22]1803a80963adffb.png[/img])的幅度和幅角都是ω的偶函数 B: X([img=22x22]1803a80963adffb.png[/img])的幅度是ω的奇函数，幅角是ω的偶函数 C: X([img=22x22]1803a80963adffb.png[/img])的幅度是ω的偶函数，幅角是ω的奇函数 D: X([img=22x22]1803a80963adffb.png[/img])的幅度和幅角都是ω的奇函数