第八章 参数估计与Matlab详解.pptVIP

最大似然估计法也适用于分布中含有多个未知参数的情况. 此时只需令 对数似然方程组 对数似然方程 解 似然函数 例7 这一估计量与矩估计量是相同的. 解 例8 这一估计量与矩估计量是相同的. 解 X 的似然函数为 例9 它们与相应的矩估计量相同. 二项分布： [PHAT, PCI]= binofit (X, N, alpha) 泊松分布： [Lambdahat, Lambdaci]= poissfit (X, alpha) 均匀分布： [ahat,bhat,ACI,BCI]=unifit(X, alpha) 指数分布： [muhat,muci] = expfit(X,alpha) 求极大似然估计的Matlab命令： 正态分布： [muhat,sigmahat,muci,sigmaci] = normfit(X,alpha) 例10 从某厂生产的一种钢球中随机抽取7个，测得它们的直径（单位：mm）为5.52 5.41 5.18 5.32 5.64 5.22 5.76。若钢球直径服从正态分布 ，求这种钢球平均直径 和方差 的极大似然估计值和置信度为0.95的置信区间。 解： x=[5.52 5.41 5.18 5.32 5.64 5.22 5.76]; [mu,sigma,muci,sigmaci]=normfit(x,0.05) [muhat,sigmahat,muci,sigmaci] = normfit(X,alpha) 输出： mu =5.4357 sigma = 0.2160 muci =5.2359 5.6355 sigmaci =0.1392 0.4757 即这种钢球平均直径为5.4357，方差为0.2160，平均直径的置信区间为[5.2359，5.6355]，方差的置信区间为[0.1392，0.4757]。 例11 为估计制造某种产品所需的单件平均工时(单位：小时)，现制造8件，记录每件所需工时如下：10.5 11 11.2 12.5 12.8 9.9 10.8 9.4。设制造单件产品所需工时服从指数分布，求平均工时μ 的极大似然估计和95%的置信区间。 解： x=[10.5 11 11.2 12.5 12.8 9.9 10.8 9.4]; [MU,MUCI]=expfit(x,0.05) 输出： MU = 11.0125 MUCI = 6.1084 25.5079 例12 某电子管的使用寿命(从开始用到初次失效为止)服从指数分布(，今抽取一组样本，具体数据如下： 16 29 50 68 100 130 140 270 280 340 410 450 520 620 190 210 800 1100，求λ的极大似然估计值？ 输入： x=[16 29 50 68 100 130 140 270 280 340 410 450 520 620 190 210 800 1100]； [muhat]=expfit(x，0.05) 输出： muhat =503.7500 点估计: 矩估计 极大似然估计 总体所服从的分布类型已知/未知 估计总体中未知的参数 参数 估计 抽样 设样本值是:1.65 1.67 1.68 1.78 1.69 估计 为1.68， 这是点估计. 这是区间估计. 估计 在区间[1.65, 1.78]内， 假如我们要估计某队男生的平均身高.现从该总体选取容量为5的样本. 参数估计 点估计 区间估计 参数估计问题 一、点估计的概念 二、矩估计法 第一章 点 估 计 三、最大似然估计法 点估计问题： 一、点估计的概念 常用的求点估计量的方法有：矩估计法、最大似然估计法。 二、矩估计法 用样本矩来估计总体矩,用样本矩的连续函数来估计总体矩的连续函数,这种估计法称为矩估计法. 它是基于一种简单的“替换”思想建立起来的一种估计方法 .是英国统计学家K.皮尔逊最早提出的。 矩估计的基本思想是用样本矩估计总体矩. 即 例 1 设某炸药厂一天中发生着火现象的次数X服从 解: 由矩估计法, 从中解得 的矩估计. 即为 例2 设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 即 求矩估计的一般步骤是：