§1 点估计.pptVIP

矩估计的求法： 最大似然估计的求法 习题六 1，5，7，8，10，11，12，15，17，18，22 例5 设X1, …, Xn是总体X的样本，X服从指数分布E(θ) 中θ0(未知) 其密度函数 似然函数： 解： Xi 的密度函数为 例6 总体X ~ N(μ,σ2)，(x1,x2,…,xn)是X的样本值 解： Xi 的密度函数为 似然函数 (2)总体 X 为离散型随机变量 其分布律 P( X= x;θ1,…,θk)形式已知， 如果θ1,…,θk为未知参数， 则称X1,…,Xn的联合分布律为θ1,…,θk的似然函数， 记为 以后似然函数简记为 L(θ1,θ2,…,θk) 若只有一个未知参数θ，则似然函数为 L(θ) (x1,x2,…,xn)为样本值， 例4 设总体 X ~ P(?)， 其分布律 解： 似然函数为： 似然函数 例 设 X ~ B(1,p)，其分布律为 P(X = x)= px(1-p)1-x X1, …, Xn是X的样本，(x1,x2,…,xn)为样本值， 解: Xi 的分布律为 2. 最大似然估计值 若存在一组 ，使得 则称 是θ1,…,θk 的最大似然估计值 L(θ1,θ2,…,θk)与 ln L(θ1,θ2,…,θk)的极值相同 (1)写出似然函数 L(θ1,θ2,…,θk)； (2)令 (4) θi 的最大似然估计值为 或 θi 的最大似然估计量为 (3)求出 L 的最大值点： (x1,x2,…,xn)为样本值，求 ? 的最大似然估计量. 例4 设总体 X ~ P(?)， 其分布律 解： (1)似然函数为： 取对数： (2)令 解得 所以 ? 的最大似然估计量为 这一估计量与矩估计量是相同的. 解：(1)似然函数为： 取对数： 例5 设X1, …, Xn是总体X的样本，X服从指数分布E(θ) 中θ0(未知) 解： 其密度函数 (1)似然函数为： (2)令 解得 所以θ 的最大似然估计量为 求θ 的最大似然估计量. 这一估计量与矩估计量是相同的. 这一估计量与矩估计量是相同的. 求μ,σ2的最大似然估计量。 例6 总体X ~ N(μ,σ2)，(x1,x2,…,xn)是X的样本值 解： (1)似然函数为： (2)令 得 (2)令 得 解得 故 μ,σ2的最大似然估计量为 这一估计量与矩估计量是相同的. 例7 设总体 X服从区间[0,θ]上的均匀分布， (x1,x2,…,xn)是来自总体 X 的样本值， 求参数 θ 的最大似然估计量. 解：似然函数为 其中 L(θ)为单调递减函数，在 θ = x(n)处取得极大值， 故 其估计量为 解 似然函数 例 这一估计量与矩估计量是相同的. 这一估计量与矩估计量是相同的. 最大似然估计法的优点是充分利用了总体分布所提供的信息，因此有许多优良性质。此外，最大似然估计还具有下述性质： 通过上述例题，我们看到：有时最大似然估计不能由解似然方程得到，有时似然方程的解也不一定使似然函数极大等等。但最大似然估计法仍不失为一种最重要和最好的方法之一，如果总体分布的具体形式给定，我们通常总是要先求其最大似然估计. 当 是参数 的最大似然估计，并且函数 有单值反函数 时， 是 的极大似然估计. 概率论与数理统计 昆明理工大学数学系 2009.08 第六章 参数估计 点估计 估计量的评选标准 区间估计 统计推断就是利用样本资料所提供的信息，对总体作出尽可能精确和可靠的结论. 由于样本带有随机性，这种推断一般总含有一定程度的不确定性，而所出现的不确定性可以用概率的大小来衡量。于是，统计推断总伴有一定的概率出现. 统计推断 参数估计 假设检验 点估计 区间估计 本章介绍 第七章介绍 在实际问题中，总体的分布参数往往是未知的，这时就需要根据样本构造适当的样本函数，来估计总体分布中的未知参数. 参数估计就是根据样本所提供的信息，对总体分布中的未知参数进行估计，以及讨论如何建立一些准则对所做出的估计的好坏进行评价. 参数估计 点估计 区间估计 矩估计法，最大似然估计法， 最小二乘法，顺序统计量估计，判决函数法…… 单侧置信区间 双侧置信区间 在实际问题中，根据样本构造适当的样本函数来估计总体分布中的未知参数. 去估计参数μ，这一过程称为对参数μ的点估计，而 称为参数μ的估计量，记为 例如，总体X服从正态分布N(μ,σ2)，μ是未知参数， 用来自总体X