设 [tex=7.286x1.357]QvdrmMEkEkXBcM7p9FuvTbsy21jIXoxVmxejgq9Oet6d2gm5oU5lRrP4XvCfng1c[/tex] 是取自总体 [tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex] 的一个样本,总体 [tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex] 服从几何分布,其分布律为 [tex=17.857x1.286]JKAm9afeOS+JY1Ct3SQhygQZ7XK+nQUvWc5KjhNvOVd9ymuu1lG9zOLcr4GgeV+a[/tex],其中 [tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex] 未知,[tex=4.5x1.214]xfn/0lVliMO+HsrMEoBSOw==[/tex] 试求 [tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex] 的矩估计量。
举一反三
- 设总体[tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex]服从二项分布[tex=3.286x1.357]/pjksCQcN3e4aAYfJKGgjw==[/tex]其中[tex=0.857x1.0]+NBI8Pm2vVS+bGgOpHKyOA==[/tex]已知而[tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex]未知,试求[tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex]的矩估计和最大似然估计.
- 设 [tex=6.071x1.214]6m6IpLK9nxKlloS9uQjB0qJni044ihmKs30/YJo0lk0=[/tex] 是取自总体 X 的一个样本,总体 [tex=0.786x1.0]yFLhNWXdy+71qunyuRVv1A==[/tex] 服从参数为 [tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex] 的几何分布,即 [tex=16.071x1.5]bS8UF8KyjmFhh6BxHmk2Dumiedt4CxzG4eeid/WKsNWYurbp50LLgNtDKV7NAxhu[/tex] 其中 [tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex] 未知, [tex=4.5x1.214]xfn/0lVliMO+HsrMEoBSOw==[/tex] 求 [tex=0.571x1.0]+NxxLnTh2HAHOCSSr6dlEg==[/tex] 的最大似然估计。
- 设[tex=7.286x1.357]QvdrmMEkEkXBcM7p9FuvTbsy21jIXoxVmxejgq9Oet6d2gm5oU5lRrP4XvCfng1c[/tex] 是取自总体[tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex]的样本,求[tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex]的期望[tex=0.643x1.0]hK6dRoCn+OGpoJ7dSqNW4g==[/tex] 的最大似然估计量.假设[tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex]服从参数为[tex=0.643x1.0]+D9NhKovEP8INGz+KZnr1A==[/tex]的泊松分布.
- 设随机变量 [tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex] 服从参数为 [tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex] 的 0一1 分布,求 [tex=2.357x1.357]y0JP40XwxAEl4j7GgRfsFw==[/tex].
- 设总体[tex=0.857x1.0]KGogyvwDAIJf/iL0H/9wjg==[/tex]服从几何分布[tex=22.429x1.571]6AwFxb1cedz1/zoBxnNTSB5Sf/UatOnwTmWSIaIYSkR5vKpI7itikycDk6tC0PLdlXuhCDU8EAMM/eK3vpylbubTUJexLsiWYy5MMD1WuAWTT7BgoHKKsze7aePO2fVb[/tex]为总体[tex=0.857x1.143]7n7oFVxukNBwo3UKa1adww==[/tex]的样本,试求参数[tex=0.571x1.0]FGGpnaR8m8C48rN8O0c7aw==[/tex]的矩估计和极大似然估计.