设总体X服从非中心 分布,试编写程序,求两 个参数的极大似然估计(已知n>2).

来源:学生作业帮助网 编辑:作业帮 时间:2024/06/14 14:28:09
设总体X服从非中心 分布,试编写程序,求两 个参数的极大似然估计(已知n>2).
一道概率题设总体分布X服从正态分布N(10,3²),X1,X2.,X6是它的一组样本,(x一横)是平均值,求(

x一~(10,3²/6)P(x一>11)=P((x一-10)/根号下1.5>(11-10)/根号下1.5)=1-标准正太(1/根号下1.5)计算查表得出结果

设X~ε(λ),X1,X2,……是来自总体X的随机变量,和总体X独立的随机变量N服从均值为1/P的几何分布,求Y=(X1

这题就是把N从常量整数变成变量,如果是常量整数,Y服从正态分布,变成变量整数其实也服从正态分布,但此时E(Y)跟D(Y)就变了.但是也很好求,只是比较麻烦.E(X)=λ,D(X)=ε平方,E(N)=1

设总体X服从参数为λ的泊松分布,其中λ为未知参数.X1,X2,...,Xn为来自该总体的一个样本,则参数λ的矩估计量为?

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.

设总体X服从泊松分布 P(λ),X1,X2,…,Xn为取自X的一组简单随机样本,求λ的极大似然估计

x的平均值这个打不出来啊,大概思想是求出似然函数,就是n个泊松概率函数求积,然后取对数,就是ln(n个泊松概率函数求积),之后对λ求导,让得出来的式子等于零.再问:过程!!结果我知道

概率论大数定理设总体X服从参数为2的泊松分布、X1,X2`````Xn为来自总体X的一个样本,则当n→∞,Yn=1/n(

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

设随机变量X服从区间(0,2)上的均匀分布试求X的分布函数Fx(X)

/>1)X在(0,2)上均匀分布,所以X的密度函数是:通过积分可以求出X的分布函数:2)可以利用密度函数求出这个概率,也可以利用分布函数,以下为步骤,结果是0.5:3)我们可以把Y写成X的函数,Y=g

设总体X服从参数为λ的普阿松分布(泊松分布),它的分布律为:

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

设总体X服从参数为λ的泊松分布,X1.Xn是X的简单随机样本.求证:1/2(x的平均

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

概率论的一个题目设总体X服从(0-1)分布,X1,X2,……,Xn为X的一个样本,求p的极大似然估计.

设总体X服从(0-1)分布,P(X=1)=p,P(X=0)=1-p.似然函数L(p)=p^x1(1-p)^(1-x1)*...*p^xn(1-p)^(1-xn)=p^(x1+...+xn)*(1-p)

X服从自由度为3的卡方分布 ,从总体中抽取n个样本,为什么 X1+X2+X3服从自由度为9的卡方分布

是这样子的,X服从于自由度为3的卡方分布,则有X=x1^2+x2^2+x3^2从X里抽出三个样本,则X1,X2,X3都有上面X=·····的表达式.根据卡分分布的可加性,3*3=9.则有,X1+X2+

设总体X服从正态分布X~N(μ,σ^2),X1,X2,...,Xn为来自该总体的一个样本,

U=n^(1/2)*(xˉ-μ)/σ服从标准正态分布,即UN(0,1),因此,D(U)=1.

设总体X~N(0,σ^2),X1、X2为X的样本,求证(X1+X2)^2/(X1-X2)^2服从分布F(1,1)

N(0,σ^2)E(X1+X2)=EX1+EX2=0D(X1+X2)=DX1+DX2=2σ^2X1+X2~N(0,2σ^2)同理:X1-X2~N(0,2σ^2)所以1/√2σ(X1+X2)~N(0,1

设总体X~N(0.1) X1,X2,.Xn 为简单随机样本,试问该统计量是服从什么分布:{ [ (n/3)-1]* ∑'

首先要有卡方分布(χ2(n)分布)和F分布的基础.如果不知道这两个,需要先翻书复习.根据卡方分布定义,∑''3,i=1''Xi²满足自由度为3的卡方分布∑''n,i=4''Xi²满

设总体X服从自由度为m的伽方分布,(X1,X2...Xn)是其中一个样本,求样本均值的密度函数

1.由伽方分布的性质有:\x0dY=X1+X2+...+Xn服从自由度为nm的伽方分布,记其密度为fY(t).\x0d2.样本均值Z=Y/n,Z的分布函数记为FZ(z)=P{Z<=z}=P{Y&