λ的矩估计值和极大似然估计值均为：1/X-（X-表示均值）。
因为总体X服从泊松分布，所以E(X)=λ，即 u1=E(X)=λ因此有 λ=1/n*(X1+X2+...+Xn)=X拔 即X的平均数所以λ的矩估计量为 λ上面一个尖号=X拔由最值原理，如果最值存在，此方程组求得的驻点即为所求的最值点，就可以很到参数的极大似然估计。
极大似然估计法一般属于这种情况，所以可以直接按上述步骤求极大似然估计。
如果一个随机变量呈指数分布，当s,t>0时有P(T>t+s|T>t)=P(T>s)。
如果T是某一元件的寿命，已知元件使用了t小时，它总共使用至少s+t小时的条件概率，与从开始使用时算起它使用至少s小时的概率相等。
求极大似然函数估计值的一般步骤：
1、根据总体分布，写出似然函数；
2、对似然函数取对数，并整理；
3、求整理后的似然函数求导数；
4、列出似然方程，并解似然方程。
极大似然估计的特点：
1、比其他估计方法更加简单；
2、收敛性：无偏或者渐近无偏，当样本数目增加时，收敛性质会更好；
3、如果假设的类条件概率模型正确，则通常能获得较好的结果。但如果假设模型出现偏差，将导致非常差的估计结果。
λ的矩估计值和极大似然估计值均为：1/X-（X-表示均值）。
详细求解过程如下图：
扩展资料：
求极大似然函数估计值的一般步骤：
1、根据总体分布，写出似然函数；
2、对似然函数取对数，并整理；
3、求整理后的似然函数求导数；
4、列出似然方程，并解似然方程。
极大似然估计的特点：
1、比其他估计方法更加简单；
2、收敛性：无偏或者渐近无偏，当样本数目增加时，收敛性质会更好；
3、如果假设的类条件概率模型正确，则通常能获得较好的结果。但如果假设模型出现偏差，将导致非常差的估计结果。
本回答被网友采纳简单计算一下即可，答案如图所示
极大似然估计
极大似然估计量呢？
本回答被网友采纳