求(0-1)分布中参数p的最大似然估计
来源:学生作业帮助网 编辑:作业帮 时间:2024/05/26 16:07:26
泊松分布P{X=k}=(λ^k)·e^(-λ)/k!P{X=1}=λ·e^(-λ)P{X=2}=λ²·e^(-λ)/2因为P{X=1}=P{X=2}所以λ·e^(-λ)=λ²·e^
3:F(x,y)=P(X0时,F(x,y)==P(X0时p(x,y)=p(x)p(y)=e^(-x)*e^(-y)
由X服从参数为λ的泊松分布得:EX=λ,DX=λP{0
P{X=Y}=P{(X=0)∩(Y=0)}+P{(X=1)∩(Y=1)}=0.4*0.4+0.6*0.6=0.52
matlab中有函数mle(最大似然估计)可以估计常用分布的参数下面是一段测试程序,用geornd生成服从几何分布的一组数据p=0.01;x=geornd(p,[1100]);[PEstimate,P
按照定义来看,分布函数F(x)=P{X<x},0-1分布的话,就是取0的概率为1-p,取1概率为p,那么当x≤0时,显然F(x)=P{X<x}=0,当0<x≤1时,F(x)=P{X<x}=p,这是因为
P(X=K)=lamda^k/k!*e^(-lamda)那么e^(-lamda)是定值P(X=K+1)/P(X=K)=lamda/K+1只要看这个比不比1大咯可以知道最大的P(X=K)在K=[lamd
用随机变量函数的期望公式.请采纳,谢谢!
F(x)=λ^ke^(-λ)/k!由P{X=0}=1/2得e^(-λ)=1/2λ=ln2则F(x)=(ln2)^k/2(k!)P{X>1}=1-P{X
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
概率论我已经忘光光了……
X和1/X对应的概率是一样的,都是p*(1-p)^(n-1),那么E(1/X)=∑(1/k)*p*(1-p)^(k-1),其中,k从1到无穷.E(1/X)=p/(1-p)∑[(1-p)^k]/k=p/
已知ξ服从参数p=0.6的0-1分布这句话是说明P{x=0}=0.4,P{X=1}=0.6.再问:好的
P(X=1)=pP(X=0)=1-p所以X的密度函数是P(X=a)=p^a*(1-p)^(1-a)a=0或1p未知,p∈[0,1]样本为X1……XN所以似然函数是L(x1,x2……xn;p)=(p^x
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
没有实意只是参数参数的意思:对指定应用而言,它可以是赋予的常数值;在泛指时,它可以是一种变量,用来控制随其变化而变化的其他的量.
你应该知道,∑Px(k)=1吧?则∑Px(k)=λ(p+p^2+……)=λp/(1-p)=1.所以1-p=λp,所以p=1/(λ+1).