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)
在这里插入图片描述
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。
在这里插入图片描述
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。
在这里插入图片描述
2、取对数
在这里插入图片描述
3、求导,令导数为零
在这里插入图片描述在这里插入图片描述
参数头上的尖尖不能忘记写

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值