设总体 X服从参数为 的泊松分布, 为来自X的样本, 为样本均值,则
来源:学生作业帮助网 编辑:作业帮 时间:2024/08/20 05:44:09
![设总体 X服从参数为 的泊松分布, 为来自X的样本, 为样本均值,则](/uploads/image/f/7258293-45-3.jpg?t=%E8%AE%BE%E6%80%BB%E4%BD%93+X%E6%9C%8D%E4%BB%8E%E5%8F%82%E6%95%B0%E4%B8%BA+%E7%9A%84%E6%B3%8A%E6%9D%BE%E5%88%86%E5%B8%83%2C+%E4%B8%BA%E6%9D%A5%E8%87%AAX%E7%9A%84%E6%A0%B7%E6%9C%AC%2C+%E4%B8%BA%E6%A0%B7%E6%9C%AC%E5%9D%87%E5%80%BC%2C%E5%88%99)
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;
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.
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→
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
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