获得矩方法估计：
使用矩估计方法作为 ml 估计的初始值：
获取伽马分布的 ml 估计：
将其作为矩方法的初始值：
用拉普拉斯估计量作为起始点估计指数幂分布的参数：
将数据与拉普拉斯及指数幂估计进行比较：
用伽玛分布模拟对数正态分布数据：
比较模拟分布与所估计的分布：
某保险公司每年每个保险单的事故索赔次数：
将保险单索赔数加1，估计对数级数分布的参数
：
可以看到估计量给出最大结果：
得到多个语种的单词长度数据：
用
时的二项分布模拟各语种的单词长度：
比较实际分布与估计的分布：
基于上述9个结果对 p 值的分布进行自助抽样分析：
估计 p 的期望值以及估计的标准偏差：
一个服从 Zipf 分布的文本中的单词计数：
以
rhohat 作为起始值，将最大为50的单词计数值拟合为一个截断的
ZipfDistribution：
画出截断值以内的累积分布函数：
估计不包含在截断模型中的原始数据的比例：
美国在1935-1989年间发生地震的震幅具有两个众数：
将分布拟合为两种
NormalDistribution 分布的混合分布：
提取各子函数的均值：
子函数的均值相差足够远，使其仍为众数：
模拟波士顿逐月最大风速：
比较经验分位数与拟合分位数，来查看模型在何处与数据产生偏差：
模拟一所大型州立大学的收入情况：
假定工资为 Dagum 分布：
假定工资服从更加一般的帕累托分布：
比较估计分布的细微差异：
利用
分布模拟道琼斯工业股票中在给定某日升值的比率：
求道琼斯工业股票价格的日变化量：
滤除缺失的数据，并用零填充：
计算每日股价升值的公司的比率：
求参数估计，排除股价升值的公司数为零或者所有公司的股价都升值的日子：
画出似然等值线，并标记出最佳点：
中型轿车的平均市内里程数与高速里程数服从双正态分布：
假定每加仑的市内里程与高速里程为正态分布且相关：
提取估计的平均市内里程与高速里程：
提取市内与高速里程的估计相关：
在对数尺度上作出联合密度的图形，其中平均里程用蓝色点标记：
该数据包含全世界于1902年12月16日至1977年3月4日之间的发生的主要地震（震幅大于等于7.5，或死亡人数超过1000）之间的相隔时间（以日记）：
估计主要地震间相隔天数的平均值与中位数：
将分布拟合入数据：
计算最大对数似然值：
作出临近最佳参数值处的对数似然图线：
混合分布可用于模拟多峰数据：
老忠实间歇泉喷发的等候时间的直方图表明有两个众数存在：
将伽玛与正态分布的混合拟合入数据：
比较直方图与估计分布的概率密度函数：
对数正态分布可用于模拟股票价格：
将分布拟合入数据：
在拟合值处固定一个参数，作出似然值的图线：
考虑默哈讷迪(mahanadi)河年度最小日流量，以立方米/秒计：
模拟未来30年的年度最小平均日流量：
用帕累托分布模拟澳大利亚城市人口数量：
得到帕累托分布时一个城市的人口数至少为10000的概率：
计算给定参数估计时的概率：
计算基于原始数据的概率：
、
、... 的参数 p、q、....
最大化，其中 
为分布参数，
为符号分布的概率密度函数. 
、
、... 求解，其中 
为 
阶样本矩，
为参数为 
的分布的 
阶矩. 
已知，估计 
：
已知，估计 
：
和 
值的序列：
范例
例 
范围 