已知u的概率密度函数怎么求最大似然法估计量

作者&投稿:桂鬼 (若有异议请与网页底部的电邮联系)
已知概率密度函数,求矩估计量与最大似然估计量~

利用伽玛函数求出期望
令样本矩阵=期望
得到θ的矩估计
求出似然函数
取对数,求导
令导数=0,得到极大似然估计

过程如下:




设X~U(0,1),求y1=|lnx| 的概率密度函数和 y2=-2lnx的概率密度函数
这里是考察连续型随机变量的函数的分布函数和密度函数问题。这里推荐使用分布函数法,先求出Y1和Y2的分布函数,再求导就可以求出其概率密度函数。在用分布函数法过程中,关键要讨论这里y的范围,详细的讨论过程你可以参考下图。

设随机变量X~U(1,2) 求随机变量Y=3X+4的概率密度函数
解题过程如下图:

X~U(1,2),则Y=2X-1的概率密度函数
2012-07-08 若X-U[0,π\/2],则Y=2X-1的概率密度函数f(x) 2015-07-10 X~U(0,1) Y~U(0,1)且X,Y独立 求 Z=2X... 2014-10-09 随机变量X与Y,X~U(0,1),Y~e(1),试求Z=2X... 2016-04-28 设随机变量x~u(0,1),则y=x+1服从分布 更多...

设随机变量X~U(0,π),求Y=cosx的概率密度函数
如图

设X~U(1,2),试求Y=e^2x的概率密度.
请看图。不知为什么我的MathType不显示中文,用拼音带了,请见谅。 向左转|向右转 本回答由提问者推荐...更多关于概率密度的知识 > 正在求助 换一换 回答问题,赢新手礼包 苦等17分钟: 看询问客人是否赶

概率分布、概率分布函数、概率密度函数
然而,当X的状态是无限精细的连续时,我们引入了概率密度函数,f(x)<\/。它描绘了在任何小区间内,X取值的概率密度。值得注意的是,尽管f(x)可以大于1,但它的值始终非负,这是它区别于概率分布函数的地方。例如,当x在负无穷到b的区间上,通过积分f(x),我们可以得到X在b点的分布函数,这表明...

知道指数分布函数的密度函数,求分布函数的过程。谢谢!
回答:我最近也学了《概率论与数理统计初步》。分布函数F(x)是其概率密度函数f(x)在一定X取值条件的积分,举个最简单的例子,书上的均匀分布X~U(a,b) f(x)=1\/b-a a<=x<=b f(x)=0 x为其他值 而F(x)=0 x<a F(X)=x-a\/b-a a<=x<=b F(X)=1 x>b 是这个吧

...而Y的概率密度为f(y),求随机变量U=X+Y的概率密度
设F(y)是Y的分布函数,则由全概率公式,知U=X+Y的分布函数为:G(u)=P{X+Y≤u}=0.3P{X+Y≤u|X=1}+0.7P{X+Y≤u|X=2}=0.3P{Y≤u-1|X=1}+0.7P{Y≤u-2|X=2},由于X和Y独立,可得:G(u)=0.3P{Y≤u-1}+0.7P{Y≤u-2}=0.3F(u-1)+0.7F(u-2),...

概率密度函数怎么求
分别求其边缘概率密度,f(x) = 2x,f(y) = 2y,X和Y独立的充分必要条件是f(x,y) = f(x)f(y)成立,此时可知f(x,y) = 4xy = f(x)f(y),则独立成立。随机变量是取值有多种可能并且取每个值都有一个概率的变量,分为离散型和连续型两种,离散型随机变量的取值为有限个或者无限可列个...

x~U(a,b),求Y=2X的概率密度函数fY(y)
f(x)=(1\/(b-a)), a<x<b; =0, 其它。Y=g(X)=2X f(y)=f(x)\/|g'(x)|=1\/(2(b-a)), 2a<x<2b; =0, 其它。

范县13377869716: 设总体为指数分布,已知概率密度函数求参数的矩估计和极大似然估计的解题步骤 -
登荀倍他:[答案] 设X~EXP(入) E(X)=1/入 ^入=1/(xbar) L(入|x)=π(连乘符号)(i=1~n) 入e^(-入xi) 两边取对数 ,并使ln(L)=l l(入|x)=ln(入^n... l'(入|x)=n/入-n(xbar) 让导数=0 0=1/^入-(xbar) 1/^入=xbar ^入=1/(xbar) 再检验l二阶导为负数,所以l有最大值,最大拟然...

范县13377869716: 似然估计值求问最大似然函数如何构造出来 -
登荀倍他: 怎么求最大似然估计的概率密度函数? 答: 设 X 有f(x), 则最大似然估计的概率密度函数就是 X1,X2, .... Xn 的联合密度函数.由于在讨论估值时 X1,X2, .... Xn 永远都是独立同分布, 所以, 最大似然估计的概率密度函数 = f(x1)f(x2)...f(xn)

范县13377869716: 概率论问题,求极大似然估计.设随机变量ξ的密度函数为f(x)=e^( - |x|/δ)/2δ,ξ1,ξ2,...,ξn为ξ的容量为n的样本,试求ξ的极大似然估计.请写明具体过程. -
登荀倍他:[答案] 参数为δ. L(δ)=f(ξ1,ξ2,...,ξn;δ)=f(ξ1)f(ξ2)...f(ξn) =[(1/2δ)^n]*exp{-(1/δ) (|ξ1|+|ξ2|+...|ξn|)} 为方便暂记|ξ1|+|ξ2|+...|ξn|=m. 即 L(δ)=[(1/2δ)^n]*e^(-m/δ)=(1/2^n)*[δ^(-n)]*[e^(-m/δ)] 为求L最大值对L关于δ求导 L'(δ)=(1/2^n)*{[-nδ^(-n-1)]*[e^(-m/δ)]+δ^(-n)*[e^(-m/δ)]*(-m)...

范县13377869716: 概率论中的最大似然估计法的具体步骤是什么?举例说明一下 -
登荀倍他: http://wenwen.sogou.com/z/q707299142.htm 最大似然估计 是一种统计方法 ,它用来求一个样本集的相关概率密度函数的参数.这个方法最早是遗传学家以及统计学家罗纳德·费雪 爵士在1912年至1922年间开始使用的. “似然”是对likelihood...

范县13377869716: 设总体x的概率密度函数为F(x,θ),x1,x2,...,xn为其样本,求θ的极大似然估计(1)F(x,θ)={θe^ - θx,x≥0 0,x<0 -
登荀倍他:[答案] L(θ|x)=(θ^n)e^(-θΣxi) l(θ|x)=ln(L)=nln(θ)-θΣxi l'(θ|x)=n/θ-Σxi 使导数=0求最大拟然 n/θ^=Σxi θ^=n/Σxi =1/(x均值)

范县13377869716: 设连续型总体X的密度函数为f(X)=1θ,0≤X≤θ0,其他,θ>0.抽样X1=1,X2=2,X3=3,试求θ的:(1)矩估计;(2)极大似然估计. -
登荀倍他:[答案] (1)由题意,知X在区间[0,θ]服从均匀分布,因此EX= θ 2 令EX= . X,则θ=2 . X,即θ的矩估计为 θ=2 . X=4 (2) 因为似然函数为 L(x1,x2,…,xn;θ)=θ= 1 θn nπ i=1I(0≤Xi≤θ),其中I(0≤xi≤θ)为示性函数 要使得似然函数达到最大,首先一点是示性函数取值应该...

范县13377869716: 概率最大似然估计值设X1,X2,...Xn为总体X的一个样本,x1,x2,...xn为一相应的样本值.总体X的概率密度函数为f(x)=p*c^p*x^ - (p+1),x>c;=0 其它,其中c>o为已... -
登荀倍他:[答案] 1) 如果min(Xi)min(X1)2) 如果min(Xi)>c: logf(xi)=log(p)+p*log(c)-(p+1)log(xi) 把上式求和就是似然函数了 一阶导:1/p+log(c)-log(xi) 一阶导的和为零,解出MLE 把解出的MLE带入似然函数,就是似然估计量?

范县13377869716: 概率题,求最大似然估计量,在这里先感谢能帮我的朋友,辛苦你们了,设总体X的概率密度为 1x— e - — x>0,θθf(x,θ) ={ 0 x≤0(注:e为 1/θ 的指数,x - — 为 ... -
登荀倍他:[答案] 1.最大似然函数L(θ)=(∏ f(x,θ)=(1/θ)^n*e^(-(x1+x2,...,+xn )/θ)取极大值时dL(θ)/dθ=0===>-n(1/θ)^(n+1)e^(-(x1+x2,...,+xn )/θ)+(1/θ)^n*(x1+x2,...,+xn )e^(-(x1+x2,...,+xn )/θ)*(1/θ)^2=0整理得θ=...

范县13377869716: 设X1,X2,…Xn为取自总体X的简单随机样本,X的概率密度为f(x,θ)=xθ2e−x22θ2,x>00,x≤0,θ>0,试求θ的最大似然估计. -
登荀倍他:[答案] ∵似然函数为L(θ)= nπ i=1f(xi,θ)= nπ i=1 xi θ2e− xi2 2θ2,x1,x2,…,xn>0 ∴lnL(θ)= n i=1lnxi−2nlnθ− x21+…+x2n 2θ2, ∴ dlnL(θ) dθ=−2n• 1 θ+( n i=1 x2i)θ−3=0, 解得 θ= 12nni=1X2i. 即θ的最大似然估计为 θ= 12nni=1X2i

范县13377869716: 最大似然函数 -
登荀倍他: 就是当你在做参数估计的时候,最大似然估计是一种比较好的方法,比点估计的有效性更好一些…… 给你说说解题过程吧…… 首先,求出似然函数L(其实就是关于未知参数的函数)…… 离散的就是把所有的概率p(x;未知参数)连乘 连续的是...

本站内容来自于网友发表,不代表本站立场,仅表示其个人看法,不对其真实性、正确性、有效性作任何的担保
相关事宜请发邮件给我们
© 星空见康网