设x服从参数为λ的泊松分布,试求参数a的矩估计-搜答案-拍题作业网

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；

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

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[

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

其实楼上的那位过程是对的,只是给的结果是方差.Y服从二项分布Y~b(n,p),这里n=3,p=e^(-2).所以E(Y)=3*e^(-2)再问：p=e^(-2)这个怎么得出来的。。。。。再答：泊松分布

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

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

lambda

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

参数为2的泊松分布,其期望就等于参数2即,E(X)=2∴ E(2X)=2E(X)=4……【期望的性质E(CX)=CE(X)】再问：

P(X=2)=[9e^(-3)]/2

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

E（（X-1）（X-2））=E（X2）-3E（X）+2=1E(X)＝∝K＝0KλKK!e−λ＝λE（X2）=λ2+λλ2+λ-3λ+2=1则λ=1D（X）=λ=1

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