设总体服从参数为λ的泊松分布,则λ的极大似然估计-搜答案-搜狗做题网

依题意可以得到λ=3,；所以E(X)=D(X)=3;而D(X)=E(X^2)-E(X)^2=3;所以E(X^2)=E(X)^2+D(X)=12；

若是没有记错的话,虽然卷积公式在连续型随机变量中提出来,但是有说过对于离散型随机变量也可使用,把那个积分改成求和就行了再问：能具体为我证明此题吗？谢谢再答：不知道公式怎么打，只能简要说一说：因为X、Y

由于相互独立,EXY=EX*EY=1*2=2泊松分布的期望等于纳姆达=1二项分布的期望等于np=4*0.5=2

这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明

要用到微积分吗?具体公式给下回答：=Σ（3^I*e^(-3)I/I!）(3^(K-I)*e^(-3)I/(K-I)!）=Σ（3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!）=Σ[

X服从参数为λ的泊松分布,EX=λ.把EX换成一阶样本矩Xˉ,即得矩估计量为λ^=Xˉ.

Yn的极限应该是6吧.这里的Yn其实就是样本的二阶原点矩,记为A2.其一阶原点矩为1/n(X1+X2+……+Xn),记为A1.其二阶中心矩记为S^2.它们之间的关系为A2-A1^2=S^2.又因为X服

概率论我已经忘光光了……

样本均值的方差等于总体方差除样本数20.总体方差=参数10

首先写出似然函数LL=∏p(xi)=∏{[(λ^xi)/(xi!)]·e^(-λ)}=e^(-nλ）·∏{[(λ^xi)/(xi!)]=e^(-nλ）·λ^（∑xi)·∏1/(xi!)然后对似然函数取

求证什么?看不懂你的意思你把题目打清楚点,我看看就算这个统计量的方差是否是λ这里有

看来是我最开始想错了.公式P=总合(e^(平均)*(平均)^x)/x!正好2次,概率是0.0333零次概率是0.7408,所以至少一次的概率是1-0.7408=0.2592国内课程有学这个吗?

X~π（2）E（x）=2D(X)=2D（X）=E(X^2)-[E(X)]^22=E（X^2）-4E（X^2）=6

lambda

泊松分布的期望Ex=λ=4,Dx=λ=4PS：泊松分布式(λ^k)/k!*e(-λ)

楼上的答案似乎不对P(X>1)=1-P(X=1)-P(X=0)=1-e^(-1)-e^(-1)-=1-2/e=0.26424

D(2X-3Y)=4*D(X)+9*D(Y)D(X)=n*p*q=100*0.2*0.8=16D(Y)=λ=3所求为64+27=91

所谓估计就是用样本的值来近似代替总体中未知参数的值,所以：既然λ的似然估计是X的均值,那它平方是的似然估计就是样本均值的平方.极大似然估计