x服从泊松分布,参数λ,λ的平方的估计量为-搜答案-百度作业网

E(5X-1)=5EX-1=9->EX=λ=2期望的基本性质,和泊松分布的期望公式而已.

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；

X~π(a)Y~π(b)π(a)π(b)为柏松分布则P{X=k}=(a^k)e^(-a)/k!P{Y=m}=(b^m)e^(-b)/m!k,m=0,1,2.因为X,Y相互独立则他们的联合分布P{X=k

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

请看看我在那里的答案吧,有问题请提出来

由X服从参数为λ的泊松分布得:EX=λ,DX=λP{0

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[

相互独立且服从参数为λ1,λ2的泊松分布

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

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

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

lambda

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

设X=k时概率最大P(X=k)/P(X=k+1)=[λ^k*e^(-λ)/k!]/[λ^(k+1)*e^(-λ)/(k+1)!]=(k+1)/λ>=1即k>=λ-1P(X=k)/P(X=k-1)=[λ

π(a)π(b)π(a)π(b)为柏松分布则P{X=k}=(a^k)e^(-a)/k!P{Y=m}=(b^m)e^(-b)/m!k,m=0,1,2.因为X,Y相互独立则他们的联合分布P{X=k,Y=m

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