1樓：貝貝愛教育
解題過程如下：
求矩估值的方法：
最簡單的矩估計法是用一階樣本原點矩來估計總體的期望而用二階樣本中心矩來估計總體的方差。
矩法估計原理簡單、使用方便，使用時可以不知總體的分佈，而且具有一定的優良性質（如矩估計為eξ的一致最小方差無偏估計），尋找引數的矩法估計量時，對總體原點矩不存在的分佈如柯西分佈等不能用。
另一方面它只涉及總體的一些數字特徵，並未用到總體的分佈，因此矩法估計量實際上只集中了總體的部分資訊，這樣它在體現總體分佈特徵上往往性質較差，只有在樣本容量n較大時，才能保障它的優良性,因而理論上講，矩法估計是以大樣本為應用物件的。
用樣本矩作為相應的總體矩估計來求出估計量的方法.其思想是：如果總體中有 k個未知引數，可以用前 k階樣本矩估計相應的前k階總體矩，然後利用未知引數與總體矩的函式關係，求出引數的估計量。
2樓：是你找到了我
已知e（x），令e（x） = 樣本均值/樣本均量，求出矩估計值。
利用樣本矩來估計總體中相應的引數。首先推導涉及感興趣的引數的總體矩（即所考慮的隨機變數的冪的期望值）的方程。然後取出一個樣本並從這個樣本估計總體矩。
接著使用樣本矩取代（未知的）總體矩，解出感興趣的引數。從而得到那些引數的估計。
用樣本矩作為相應的總體矩估計來求出估計量的方法.其思想是：如果總體中有 k個未知引數，可以用前 k階樣本矩估計相應的前k階總體矩，然後利用未知引數與總體矩的函式關係，求出引數的估計量。
擴充套件資料：
基於對似然函式l(θ)形式(一般為連乘式且各因式》0)的考慮，求θ的最大似然估計的一般步驟如下：
1、寫出似然函式：
總體x為離散型時：
總體x為連續型時：
2、對似然函式兩邊取對數有：
總體x為離散型時：
3、對取對數的似然函式：
求導數並令之為0：
此方程為對數似然方程。解對數似然方程所得，即為未知引數 的最大似然估計值。
3樓：教育小百科是我
根據樣本算出x的均值，令e(x)=x的均值，解關於引數的方程，即可得到引數的矩估計值。
利用樣本矩來估計總體中相應的引數。首先推導涉及感興趣的引數的總體矩（即所考慮的隨機變數的冪的期望值）的方程。然後取出一個樣本並從這個樣本估計總體矩。
接著使用樣本矩取代（未知的）總體矩，解出感興趣的引數。從而得到那些引數的估計。
用樣本矩作為相應的總體矩估計來求出估計量的方法.其思想是：如果總體中有 k個未知引數，可以用前 k階樣本矩估計相應的前k階總體矩，然後利用未知引數與總體矩的函式關係，求出引數的估計量。
已知總體x服從引數為λ的指數分佈，設x1，x2，x3…...，xn是子樣觀察值，求λ的矩估計和極大似然估計
4樓：
λ的矩估計值和極大似然估計值均為：1/x-（x-表示均值）。
詳細求解過程如下圖：
5樓：匿名使用者
xi獨立同分布
f1x=max(x1 ,x2, ......)=（f(x,λ)）^n,然後根據期望的定義求相應的積分就是了 ，但是要注意指數分佈當x《0時 f=0
求矩估計量、矩估計值和極大似然估計值的詳細過程是什麼？
6樓：胖大熙
求矩估計量、矩估計值和極大似然估計值的詳細過程：
1、根據題目給出的概率密度函式，計算總體的原點矩（如果只有一個引數只要計算一階原點矩，如果有兩個引數要計算一階和二階）。由於有引數這裡得到的都是帶有引數的式子。如果題目給的是某一個常見的分佈，就直接列出相應的原點矩（e(x)）。
2、根據題目給出的樣本。按照計算樣本的原點矩，讓總體的原點矩與樣本的原點矩相等，解出引數。所得結果即為引數的矩估計值。
矩估計量的背景知識：
簡單的講，概率密度函式表示的就是隨機變數x在某點的概率（所有點的概率和為1）。對於連續型的隨機變數，其影象通常為一個連續的曲線，離散型的隨機變數的影象一般是一個一個點組成。
「似然性」與「或然性」或「概率」意思相近，都是指某種事件發生的可能性，但是在統計學中，「似然性」和「或然性」或「概率」又有明確的區分。似然性則是用於在已知某些觀測所得到的結果時，對有關事物的性質的引數進行估計。這裡類似於「貝葉斯方法」的思路。
7樓：匿名使用者
根據題目給出的概率密度函式，計算總體的原點矩（如果只有一個引數只要計算一階原點矩，如果有兩個引數要計算一階和二階）。由於有引數這裡得到的都是帶有引數的式子。如果題目給的是某一個常見的分佈，就直接列出相應的原點矩（e(x)）。
根據題目給出的樣本。按照計算樣本的原點矩，讓總體的原點矩與樣本的原點矩相等，解出引數。所得結果即為引數的矩估計值。
根據對應概率密度函式計算出似然函式，對似然函式l(x)取對數以方便求解。（由於對數函式是單調增函式，所以對似然函式取log後，與l(x)有相同的最大值點。）。
根據引數對所得的函式求導。如果有多個引數，則分別求偏導，令導數等於0（此時l(x)取到最大值），求出引數。此時所得結果即為引數的最大似然估計值。
8樓：
矩估計量、矩估計值和極大似然估計值的詳細過程答案如上圖所顯示。
隨機變數x的密度函式為f(x)=a*e^(-|x|/a),問用矩估計估計a的值，ex=0怎麼辦啊？
9樓：量子時間
正確的函式是f(x)=(1/2a)*e^(-|x|/a),這是均值為零的拉普拉斯分佈，它只有一個特徵量，可以用二階矩進行估價，結果是ex=0,dx=a^2,所以a的估計值=(dx)^(1/2)=s
10樓：匿名使用者
設隨機變數x服從區間[a b]上的均勻分佈 寫出其概率密度函式f（x），並求e(x)=∫xf(x) dx=∫x/(b-a)dx=x^2/2|(a,b) /(b-a)=(b^
設總體的分佈律為（見下） 其中0<θ<1，已知取得了樣本觀測值為2,3,1,2，試求引數θ的矩估計值和矩估計量
11樓：一個小破孩児
ex=0×θ2+1×2θ（1-θ）+2×θ2+3×（1-2θ）=3-4θ
故：θ＝¼ （3−ex）
θ的矩估計量為：636f707962616964757a686964616f31333431356637θ=¼（3-x）
根據給定的樣本觀察值計算：x=1/8（3+1+3+0+3+1+2+3）=2
因此θ的矩估計值為：θ=¼（3-x）=¼
對於給定的樣本值，
似然函式為：l（θ）=4θ²（1-θ）²（1-2θ）²
擴充套件資料：
求極大似然函式估計值的一般步驟：
1.寫出似然函式；
2.對似然函式取對數,並整理；
3.求導數；
4.解似然方程。
所謂矩估計法，就是利用樣本矩來估計總體中相應的引數。
最簡單的矩估計法是用一階樣本原點矩來估計總體的期望而用二階樣本中心矩來估計總體的方差。
矩估計法也叫數字特徵法，是求估計量的一種常用方法。
以樣本矩的某一函式代替總體矩的同一函式來構造估計量的方法稱為矩估計法。
因為樣本可確定一個經驗分佈函式，由這個經驗分佈函式可確定樣本的各階矩。而樣本又是從總體中隨機抽取的，樣本的分佈及其各階矩都在一定程度上反映了總體引數的特徵。
當樣本容量n無限增大時，樣本矩與相應的總體矩任意接近的概率趨於1，因而可用樣本矩代替總體矩構造一個含有未知引數的方程或方程組，方程的解就給出總體引數的估計量。
12樓：dj張小千
這個簡單，看看書用定義做
已知概率密度函式，求矩估計量與最大似然估計量
13樓：
利用伽瑪函式求出期望
令樣本矩陣＝期望
得到θ的矩估計
求出似然函式
取對數，求導
令導數＝0，得到極大似然估計
過程如下：
14樓：
已知概率密度函式，求距估計量與最大自然估計量，這個是一個高等函式的問題，應該在高等的高階的數學老師才能
cad可不可以求靜矩怎麼求
學習者的小椅子 普通版本的cad不可以，但對於機械版的在08版本以後可以，另外varicad也可以求靜矩。對於機械版的cad，在選單欄裡有相應的命令可以點選，但不方便。最方便的方法便是匯入或者在cad cae綜合的軟體裡做出簡單的模型計算。又準確又方便。例如，你可以在solidwork或者pro e...
求大神們幫我看下這電腦配置怎麼樣？估計要多少錢？最好各個點評下每個配置咋樣
楊巨太長 兩套配置都是舊配置了，一般不可能出現全新的了。第一套配置含糊不清的，具體品牌都沒有，裡面貓膩太多了，是不是值2000塊很懷疑。第二套嘛，效能也不高的，只是一般而言啦，全套新的也不可能到2000塊的，1600了不起了 cpu 100 記憶體 80 顯示卡430 100 西數我估計是無恥的綠盤...
已知矩陣和特徵值怎麼求特徵向量，已知特徵值求特徵向量怎麼求？
墨汁諾 a 一定等於 的某個倍數 此倍數就是對應的特徵值。如果矩陣可對角化並且知道所有的特徵值及對應的特徵向量，那麼可以用這些資訊來還原矩陣 因為ap1 p1 1,apn pn n a p1,pn p1,pn diag a p1,pn diag p1,pn 求出特徵值之後，把特徵值代回到原來的方成裡...