概率论与数理统计_第七章_参数估计_第二节_点估计教程方案.ppt

五、评价估计量的标准 2、有效性 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 3、一致性 五、评价估计量的标准 五、评价估计量的标准 四、极大似然估计 它是在总体类型已知条件下使用的一种参数估计方法 . 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 . 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 . 四、极大似然估计 极大似然估计法的思想 极大似然估计法，是建立在最大似然原理 的基础上的求点估计量的方法。最大似然原理的直观想法是：在试验中概率最大的事件最有可能出现。因此，一个试验如有若干个可能的结果A,B,C, …, 若在一次试验中，结果A出现， 则一般认为A出现的概率最大。 四、极大似然估计 极大似然估计定义： 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本 的联合密度(连续型）或联合分布律 (离散型)为 f (x1, x2 ,…, xn; ) 这里 x1, x2 ,…, xn 是样本的观察值 . 四、极大似然估计 似然函数： f (x1, x2 ,…, xn; ) 极大似然估计法就是用使 达到最大值的 去估计 . 即 称 为 的极大似然估计值 . 而相应的统计量 称为 的极大似然估计量 . 看作参数 的函数，它可作为 将以多大可 能产生样本值 x1, x2,… ,xn 的一种度量 . 四、极大似然估计 求最大似然估计量的一般步骤为： （1）求似然函数 （2）一般地，求出 及似然方程 （3）解似然方程得到最大似然估计值 （4）最后得到最大似然估计量 四、极大似然估计 四、极大似然估计 四、极大似然估计 四、极大似然估计 解 似然函数 练习 四、极大似然估计 四、极大似然估计 四、极大似然估计 四、极大似然估计 四、极大似然估计 解 似然函数为 对数似然函数为 练习 设X1,X2,…Xn是取自总体X的一个样本 求 的最大似然估计值. 其中 0, 四、极大似然估计 求导并令其为0 =0 从中解得 即为 的最大似然估计值 . 对数似然函数为 四、极大似然估计 四、极大似然估计 四、极大似然估计 四、极大似然估计 四、极大似然估计 五、评价估计量的标准 这就需要讨论以下问题: 问题的提出 从前面可以看到, 对于同一个参数, 用不同的 估计方法求出的估计量可能不相同, 而且, 很明显, 原则上任何统计量都可以作为未知参数的估计量. (1)对于同一个参数究竟采用哪一个估计量好? (2)评价估计量的标准是什么? 五、评价估计量的标准 常用的几条标准是： 1．无偏性 2．有效性 3．一致性 这里我们重点介绍前面两个标准 . 五、评价估计量的标准 1、无偏性 五、评价估计量的标准 五、评价估计量的标准 证 推广 五、评价估计量的标准 特别的: 不论总体 X 服从什么分布, 只要它的数学期望存在, 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 所以无偏估计以方差小者为好, 这就引进了有效性这一概念 . 都是参数 的无偏估计量， 的大小来决定二者谁更优 . 和 一个参数往往有不止一个无偏估计, 若 和 我们可以比较 由于 参 数 估 计 第二节 参数的点估计 一、引例 随机抽查100个婴儿 , 得100个体重数据 10,7,6,6.5,5,5.2, … 呢 ? 据此,我们应如何估计 和 而全部信息就由这100个数组成 . 例如 已知某地区新生婴儿的体重 , 未知 一、引例 为估计 : 我们需要构造出适当的样本的函数 U(X1,X2,…Xn) ， 每当有了样本，就代入该函数中算出一个值，用来作为 的估计值 . U(X1,X2,…Xn) 称为参数 的点估计量， 把样本值代入 U(X1,X2,…Xn) 中， 估计值 . 得到 的一个点 一、引例 由大数定律,