二項分布の両方の母数を推定する：

nが既知であると仮定してpを推定する：

pが既知であると仮定してnを推定する：

特定の族に対する母数の最尤推定量を持つ分布を得る：

データのヒストグラムと推定値の確率密度関数を比較することで適合度をチェックする：

res からの零分布で適合度検定を行う：

母数推定を補正して検定を行う：

対数尤度を最大化することで母数を推定する：

対数尤度関数をプロットし，解が最適であることを視覚的に確かめる：

対数尤度曲面を可視化して母数の大まかな数値を求める：

この大まかな値を推定のための初期値として与える：

等高線プロット上で最適な点をマークする：

ポアソン(Poisson)データの正規近似を推定する：

推定値を20桁まで求める：

連続分布の母数を推定する：

離散分布の母数を推定する：

フィットされた累積分布関数と経験累積分布関数を比較する：

多変量離散分布の母数を推定する：

多変量連続分布の母数を推定する：

周辺分布の密度関数を可視化する：

式から共分散行列を得る：

切断正規分布の母数を推定する：

構成分布の母数を推定する：

最適点を可視化する：

積分布の母数を推定する：

コピュラ分布の母数を推定する：

成分混合分布の母数を推定する：

成分分布が既知であると仮定して混合確率を推定する：

データに対する2つの推定を可視化する：

指定された単位の分布についての母数を推定する：

キュムラントをマッチして母数を推定する：

他のモーメントに基づくメソッドも一般に同じような結果を与える：

デフォルトモーメントに基づく母数を推定する：

第1および第4モーメントから母数を推定する：

デフォルトのメソッドで最尤度推定を得る：

FindMaximumを使って推定する：

EvaluationMonitorを使ってサンプル点を抽出する：

サンプルとしての一連の と の値を可視化する：

デフォルトで，連続母数に機械精度を使う：

より高精度の結果を得る：

モーメント法による推定値を求める：

モーメント法による推定値を最尤法推定の初期値として使う：

ガンマ分布の最尤法推定を求める：

これらをモーメント法の初期値として使う：

ExponentialPowerDistributionからデータのラプラス母数を推定する：

指数ベキの母数推定のための初期点としてラプラス推定を使う：

データをラプラス推定および指数ベキ推定と比較する：

対数正規分布に従うデータをガンマ分布でモデル化する：

シミュレーションの分布を推定分布と比較する：

保険会社の保険契約1件あたりの1年間の保険金請求額：

保険金請求についての1シフトした対数級数分布の母数 を推定する：

推定が最大結果を与えることに注意：

いくつかの言語について単語の長さを調べる：

各言語の単語長を の二項分布としてモデル化する：

実際の分布と推定分布を比較する：

この9つの結果に基づいて p 値の分布をブートストラップする：

p の期待値と推定のための標準偏差を推定する：

テキスト中の語数はZipf分布に従う：

ZipfDistributionを単語の頻度データにフィットする：

rhohat を初期値として使い，切断ZipfDistributionを最大50カウントでフィットする：

切断値までの累積分布関数を可視化する：

もとのデータの切断モデルに含まれない部分を推定する：

多峰MixtureDistributionモデルの推定値を求める：

選択された年代における米国の地震のマグニチュードには2つのモードがある：

あるNormalDistributionと別の正規分布との可能な混合から分布をフィットする：

成分の平均を抽出する：

成分の平均は非常に離れているので，それぞれがモードであると十分に考えられる：

ボストンの月間最大風速をモデル化する：

データをRayleighDistributionにフィットする：

ExtremeValueDistributionにフィットする：

経験的変位値とフィットされた変位値を比較してどこでモデルがデータから逸脱しているかを見る：

大規模州立大学の所得をモデル化する：

給与がDagum分布に従うと仮定する：

給与がより一般的なパレート分布に従うと仮定する：

推定分布の微妙な違いを比較する：

ベータ分布を使ってダウ平均の株式のうちその日に値上がりしたものの割合をモデル化する：

ダウ平均の株価の日々の値動きを求める：

各金融実体についての日数：

各実体についての時系列から値を抽出し，数値量を正規化する：

各実体のデータが同じ長さかどうかチェックする：

1日のうちで株価が上昇した企業の割合を計算する：

株価が上昇した企業がない日とすべての企業の株価が上昇した日を除き，母数推定を求める：

尤度曲線を可視化し最適点に印を付ける：

中型車の市街地と高速道路における平均走行可能距離は二変量正規分布に従う：

市街地と高速道路の1ガロンあたりの走行マイル数は正規分布に従い，相関関係があると仮定する：

市街地と高速道路における推定される平均走行可能距離を抽出する：

市街地と高速道路における走行可能距離の推定相関を抽出する：

対数スケールで結合密度を可視化し，平均走行可能距離に青い印を付ける：

次のデータは1902年12月16日から1977年3月4日までに世界中で発生した大きい（マグニチュードが7.5以上のあるいは死者が1000人を超える）地震から次の大きい地震までの日数を含んでいる：

ExponentialDistributionで地震の間隔をモデル化する：

大きい地震間の平均日数とその中央値を推定する：

1年間の地震の回数はSinghMaddalaDistributionでモデル化することができる：

分布をデータにフィットする：

最大化した対数尤度を計算する：

最適母数値の付近での対数尤度の統計データを可視化する：

多峰データのモデル化には混合分布を使うことができる：

オールド・フェイスフル・ガイザーの噴出から次の噴出までの時間のヒストグラムには2つのモードがある：

ガンマ分布と正規分布の混合分布をデータにフィットする：

そのヒストグラムを推定分布の確率密度関数と比較する：

対数正規分布を使って株価をモデル化することができる：

分布をデータにフィットする：

1つの母数をフィットされた値に固定して統計データの尤度を可視化する：

マハナディ川の1日あたりの最低出水量を1年ごとに計算したもの（立方メートル／秒）を考える：

1日あたりの最低出水量を1年ごとに計算したものをMinStableDistributionでモデル化する：

次の30年間について，1日あたりの最低出水量を1年ごとに計算したもののシミュレーションを行う：

パレート(Pareto)分布を使ってオーストラリアの都市の人口をモデル化する：

パレート分布を使ってある都市の人口が少なくとも1万人である確率を推定する：

母数推定が与えられているものとして確率を計算する：

もとのデータに基づいて確率を計算する：