X服从泊松分布求参数p的矩估计和最大似然估计
来源:学生作业帮助网 编辑:作业帮 时间:2024/07/03 08:04:15
泊松分布P{X=k}=(λ^k)·e^(-λ)/k!P{X=1}=λ·e^(-λ)P{X=2}=λ²·e^(-λ)/2因为P{X=1}=P{X=2}所以λ·e^(-λ)=λ²·e^
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
由X服从参数为λ的泊松分布得:EX=λ,DX=λP{0
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.
因为x服从参数λ泊松分布所以P{X=k}=e^(-λ)*λ^k/k!设f(x)=Σ(k=0,+∞)k*(k-1)...(k-m+1)x^k/k!=x^m*Σ(k=0,+∞)k*(k-1)...(k-m
E(X^2)=E(X^2-X+X)=E[X(X-1)+X]=E[X(X-1)]+E(X)=∑(k=0→∞)k(k-1)T^ke^(-T)/k!+∑(k=0→∞)kT^ke^(-T)/k!=∑(k=2→
你是不明白分母的那个k!0!的值在数学上通常是约定为1的,因此代入公式后的答案是P{X=0}=e^-3.
F(x)=λ^ke^(-λ)/k!由P{X=0}=1/2得e^(-λ)=1/2λ=ln2则F(x)=(ln2)^k/2(k!)P{X>1}=1-P{X
P{X=1}=λ*e^(-λ)P{X=2}=0.5*(λ^2)*e^(-λ)所以λ*e^(-λ)=0.5*(λ^2)*e^(-λ)整理λ=0或λ=2λ≠0,所以λ=2P{X=0}=e^(-2)P{X=
P{X=1}=P{X=2},λ*e^-λ=λ^2*e^-λ/2λ=λ^2/2λ=2P{X=4}=2^4*e^-2/4!=2e^-2/3
概率论我已经忘光光了……
因P{X大于=10}=P10+P11+P12+.P{X大于=11}=P11+P12+.故P{X大于=10}-P{X大于=11}=(P10+P11+P12+.)-(P11+P12+.)=P10
有些符号不会打.但有这样的结论:泊松分布的数学期望与方差相等,都等于参数λ.因为泊松分布只含有一个参数,只要知道它的数学期望或者方差就能完全确定它的分布
由于随机变量X服从参数为1的泊松分布,所以:E(X)=D(X)=1又因为:DX=EX2-(EX)2,所以:EX2=2,X 服从参数为1的泊松分布,所以:P{X=2}=12e−1,故答案为:1
P(X=2)=[9e^(-3)]/2
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
E[X]=NP;Var[X]=NP(1-P);矩估计:总体的一阶原点矩为E[X]=NP;样本的一阶原点矩为_X,用样本估计总体,有^p=_X/N;极大似然估计:^p=_X/N;
随机变量X服从参数为λ的泊松分布P{X=k}=e^(-λ)*λ^k/k!P{X=1}=e^(-λ)*λ^1/1!P{X=2}=e^(-λ)*λ^2/2!若P{X=1}=P{X=2}λ=2E(x)=D(
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