设总体X的概率密度为f（x）=(lambda )^2x(e)^-1x;xgt 0-|||-0 其他，其中参数λ（λ＞0），未知X1，X2，…，Xn是来自总体X的简单随机样本．（1）求参数λ的估计量；（2）求参数λ的最大似然估计量．

步骤 1：求参数λ的矩估计量
根据矩估计法，我们首先需要计算总体X的期望值EX。根据给定的概率密度函数，我们有：
EX = ${\int }_{0}^{+\infty }$ λ2x2e-λxdx
通过分部积分法，可以计算出EX的值为$\dfrac {2}{\lambda }$。因此，我们得到λ的矩估计量为λ = $\dfrac {2}{EX}$ = $\dfrac {2}{\overline {X}}$，其中$\overline {X}$是样本均值。

步骤 2：求参数λ的最大似然估计量
构造最大似然函数L（X1，X2，…，Xn；λ）= πf（Xi；λ）=${\lambda }^{2n}\pi x;{e}^{-\lambda }$-n λ∑ i=1xi
对L取对数，得到lnL = 2nlnλ + Σlnxi - λΣxi
对λ求导，得到$\dfrac {dlnL}{d\lambda }$ = $\dfrac {2n}{\lambda }$ - Σxi
令$\dfrac {dlnL}{d\lambda }$ = 0，解得λ的最大似然估计量为λ = $\dfrac {2n}{\sum_{i=1}^{n}x_i}$ = $\dfrac {2}{\overline {X}}$，其中$\overline {X}$是样本均值。