固体药物以l~100nm微细粒子分散在水中形成的非均匀液体分散体系是

试证明一元线性回归模型随机干扰项μ的方差σ²的无偏估计量为

对多元线性回归模型Y=Xβ+μ，试证明随机干扰项μ的方差的无偏估计量为。其中e为相应样本回归模型的残差向量。

对一元线性回归模型Y_i=β₀+β₁X_i-μ_i，试证明普通最小二乘估计量在所有线性无偏估计量中具有最小方差。

对一元线性回归模型Y_i=β₀+β₁X_i-μ_i，试证明普通最小二乘估计量在所有线性无偏估计量中具有最小方差。

试证明最小二乘估计量是标准一元线性回归模型中总体回归系数β2的最优线性无偏估计量。

在一元线性回归模型中，应用最大似然法估计的随机干扰项μi的方差δ2具有()。

A．无偏性

B．有效性

C．线性性

D．一致性

对一元线性回归模型

(1)假如其他基本假设全部满足，但只有试证明，估计的斜率项仍是无偏的;

(2)当自变量存在正相关，随机干扰项存在如下一阶序列相关时μ_t=ρμ_t-1+ε_t，试证明估计的斜率项的方差为，并就p＞0与p＜0，X_t存在正或负序列相关时与模型满足所有基本假定下的OLS估计的大小进行比较。

对一元线性回归模型Yi=β₀+β₁X_i+μ_i，如果已知Var(μ_i)=σ²，则可对原模型以权1/σ_i相乘后变换成如下的二元模型：。对该模型进行OLS估计就是加权最小二乘法。试证明该模型的随机干扰项是同方差的，并求出β₁的上述加权最小二乘估计量。

对一元线性回归模型Y_i=β₀+β₁X_i+μ_i，试证明