概率论复习之全概率，贝叶斯概率，矩估计，最大似然估计，检验假设。期末包过，笔者亲鉴。

一道例题
八、（10分）已知总体服从参数为的泊松分布,X1，X2，X3…Xn是来自总体的简单随机样本,观察值为x1,x2,x3…xn求：（1）的矩估计量；（4分） （2）的最大似然估计量.（6分)
一般而言，老师出题为了方便，第一小题是矩估计，第二小题就是最大似然估计
题目中提到了泊松分布，泊松分布的分布律（我们也可以叫公式吧）

然后这里提到的估计，都是对参数做估计，即λ
矩阵估计的步骤
1、先找总体矩与样本矩的关系。
一般题目只要求一个参数，也就是一阶矩，也就是期望。也就是均值。即E(X)。
泊松分布的期望E（X）就等于参数λ。（可以查一下常见分布的均值与方差的值）。
写作E（X）=λ
2、用样本矩代替总体矩，得到估计量的方程（组，组是多参数估计式列出来的）
样本距，即所有样本的平均值。即（x1+x2+x3+…+xn）/n；
所以原式:（x1+x2+x3+…+xn）/n=λ
3、解方程（组）就可以得到，参数的矩估计量。

λ 头上的尖尖不能忘记写

同样，最大似然估计步骤
1、写出似然函数，即n个泊松分布律相乘。

2、取对数

3、求导，令导数为零

参数头上的尖尖不能忘记写