概率论数理统计第19讲房.pptVIP

函数与极限 作业 7.3; 7.4; 7.11 最大似然估计 7.10； 不能求解。 似然函数a 越大, b 越小, L 越大. 令 x(1) = min {x1, x2,…, xn} x(n) = max {x1, x2,…, xn} 故 是 a , b 的最大似然估计值. 则对满足 的一切a，b, 都有 取 例7 设总体X的概率分布为 ? 1-2? ? P 2 1 0 X 其中0? ? ?1/2为未知参数。今对X进行 观测， 得如下样本值 0，1，2，0，2，1 求? 的最大似然估计。 从而对数似然函数为 解：似然函数为 令 得 三 估计量的评选标准 对于同一参数，用不同的估计方法求出的估计量可能不相同。 问题：采用哪一个估计量好? X1, X2,…, Xn 为来自该总体的样本。 设总体X~ F(x, ? ), 其中 ? 为未知参数。 为 ? 的一个估计量。 估计量 而当样本(X1, …, Xn)有观测值(y1, …, yn)时，估计值为 是一个随机变量，当样本(X1, …, Xn)有观测值(x1, …, xn)时，估计值为 由不同的观测结果，就会求得不同的参数估计值. 因此评价一个估计量的好坏，不能仅仅依据一次试验的结果来判断，而必须根据估计量的分布从整体上来做评价。 当样本值取不同的观测值时， 我们希望相应的估计值在未知参数真值附近摆动，而它的均值与未知参数的真值的偏差越小越好. 当这种偏差为0时，就导致无偏性这个标准 . 1．无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 例1 样本均值 与样本方差S2 分别是 总体均值μ和总体方差σ2的无偏估计量. 证： 样本k阶矩为 例2 设总体X的k阶原点矩存在，记其为?k， X1, X2,…, Xn为来自总体的样本，问 是否为总体k阶矩?k的无偏估计. 解：由于 因此样本k阶矩是总体k阶矩的无偏估计 例3 设总体X ? N (?，? 2)，其中参数 ?，? 2未知，试用最大似然估计法求?，? 2的估计量，并问是否是无偏估计？ 例4 设总体X 服从参数为? 的指数分布, 概率密度为 其中, 参数? 0 为未知, X1, …, Xn为来自总体的样本. 试证, 和nZ=n{min(X1, …, Xn)}都是? 的无偏估计. 解： 因为 故 是? 的无偏估计 设X的分布函数为 * 它首先是由德国数学家 高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于 英国统计学家费歇(Fisher) . 费歇在1922年重新发现了 这一方法，并首先研究了 这种方法的一些性质 . §7.2 最大似然估计 思想方法 一次试验就出现的事件 有较大的概率 7-17 最大似然法的基本思想 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 因为只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 其数学模型为 令X为打一枪的中弹数，则X~B(1,p), p未知.设想事先知道p只有两种可能: p=0.9 或 p=0.1 两人中有一人打枪, 估计这一枪是谁打的，即估计总体X的参数p的值 当兔子不中弹，即{X =0}发生了 现有样本观测值x =1, 什么样的参数使该样本值出现的可能性最大呢？ 若p=0.9，则P{X=1}=0.9 若p=0.1，则P{X=1}=0.1 若p=0.9，则P{X=0}=0.1 若p=0.1，则P{X=0}=0.9 当兔子中弹，即{X =1}发生了 引例 设总体 X 服从0-1分布，且P (X = 1) = p, 用极大似然法求 p 的估计值。 解 X 的概率分布可以写成 设 X1, X2,…, Xn为总体 X 的样本, 设 x1, x2,…, xn为总体 X 的样本值, 则 对于不同的 p ,L (p)不同，见右下图 现经过一次试验， 发生了， 事件 则 p 的取值应使这个事件发生 的概率最大。 在容许的范围内选择 p ，使L(p)最大 注意到，ln L(p)是 L 的单调增函数，故若 某个p 使ln L(p)最大，则这个p 必使L(p)最大。 7-20 所以 为所求 p 的估计值. 最大似然估计