贝叶斯估计是把待估计的参数看作具有某种分布形式的随机变量，通过对第i类学习样本xi的观察，使概率密度分布P(xi|θ)转化为后验概率P(θ|xi)，获得参数分布的概率密度函数，再通过求取其数学期望获得参数估计值。()此题为判断题(对，错)。

A.二维随机变量(X,Y)的分布律

B.二维随机变量(X,Y)的分布函数

C.随机变量X和Y的联合分布律

D.随机变量X和Y的联合分布函数

A.对不同层可以按照具体情况和条件灵活使用不同的抽样方法

B.不仅可以对总体参数进行估计，还可以对各层参数进行估计

C.层内单元差异大、层间单位差异小时，可以较好地提高精度

D.样本分布集中，实施方便节约费用

E.对抽样框要求简单

A.估计量具有唯一性

B.估计量可以有不同的表达式

C.矩估计和极大似然估计得到的估计量一定是不同的

D.矩估计得到的估计量总是优于极大似然估计

E.在已知总体分布信息的情况下矩估计一般不如极大似然估计好

A.

B.

C.

D.

A.样本单位数

B.样本指标

C.总体指标

D.抽样误差范围

E.抽样估计的置信度

A.回归模型

B.神经网络模型

C.聚类模型

D.贝叶斯模型

A.窗函数幅度过小

B.窗函数幅过大

C.窗函数幅不确定

D.窗口中落入的样本数过多