设昆虫产卵个数服从参数为λ的泊松分布-搜答案-灵鹊做题网

依题意可以得到λ=3,；所以E(X)=D(X)=3;而D(X)=E(X^2)-E(X)^2=3;所以E(X^2)=E(X)^2+D(X)=12；

因为随机变量ξ,η相互独立,所以E（ξη）=E（ξ）E（η）而E（ξ）=1/λ,E（η）=np所以E（ξη）=np/λ

由于相互独立,EXY=EX*EY=1*2=2泊松分布的期望等于纳姆达=1二项分布的期望等于np=4*0.5=2

这个用泊松分布可加性来做,很简单X,Y相互独立且分别服从p(λ1),p(λ2)那么Z=X+Yp(λ1+λ2)参考资料里有他的证明

要用到微积分吗?具体公式给下回答：=Σ（3^I*e^(-3)I/I!）(3^(K-I)*e^(-3)I/(K-I)!）=Σ（3^I*3^(K-I)e^(-3)*e^(-3)/I!*(K-I)!）=Σ[

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.

X的概率密度函数：fX(x)={e^-x,x>0{0,x0时,有FY(y)=P{X^2≤y}=P{-√y≤x≤√y}=∫(-√y→√y)fX(x)dxfY(y)=d[FY(y)]/dy=d[∫(-√y

因为随机变量服从X～（2,P）则,P（ξ≥1）＝1-=a（a你没给出）,可以求出p；那么,P（η≥1）=1-

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=

X服从参数λ为的指数分布,则:EX=1/λ,X有分布函数：F(x)=1-e^(-λx),x>=0;于是P(X>EX)=1-P(X

其实楼上的那位过程是对的,只是给的结果是方差.Y服从二项分布Y~b(n,p),这里n=3,p=e^(-2).所以E(Y)=3*e^(-2)再问：p=e^(-2)这个怎么得出来的。。。。。再答：泊松分布

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

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

由题设，X服从参数为λ的指数分布，知：DX＝1λ2，λ＞0，于是：P{X＞DX}=P{X＞1λ}＝∫+∞1λλe−λxdx=−e−λx| +∞1λ＝1e．

lambda

泊松分布的期望Ex=λ=4,Dx=λ=4PS：泊松分布式(λ^k)/k!*e(-λ)

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

D(2X-3Y)=4*D(X)+9*D(Y)D(X)=n*p*q=100*0.2*0.8=16D(Y)=λ=3所求为64+27=91

所谓估计就是用样本的值来近似代替总体中未知参数的值,所以：既然λ的似然估计是X的均值,那它平方是的似然估计就是样本均值的平方.极大似然估计

根据泊松分布的公式带入λ,可以算出产出k个卵的概率.因为每个卵的孵化是独立事件,可以根据二项分布得到k个卵中孵化m个的概率最后把各个k下孵化相同数目m个卵的项合并一下,就是其后代个数的分布和数学期望了