极大似然估计资料.ppt

§6.2极大似然估计极大似然估计是在母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,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.简单的例子某位同学与NBA球员一起投篮.三分线外两步远，手起球落，唰的一声篮球空心入网。如果要你推测，球是谁投中的？一般我们会想，这么远抬手就能投中,职业球员命中的概率一般大于这位同学命中的概率.这一球应是球员射中的.这个例子所作的推断体现了极大似然法的基本思想.极大似然估计原理：当给定子样观测值x1,x2,…,xn时,定义似然函数（likelihoodfunction）为：设ξ1,ξ2,…,ξn是取自母体ξ的一个子样，θ为未知参数，子样的联合密度(连续型）或联合分布列(离散型)为f(x1,x2,…,xn;θ)=f(x1,x2,…,xn;θ)L(θ)=L(θ;x1,x2,…,xn)L(θ)看作参数θ的函数，它可作为θ将以多大可能产生子样观测值x1,x2,…,xn的一种度量.§6.2极大似然估计极大似然估计原理：设ξ1,ξ2,…,ξn是取自母体ξ的一个子样，θ为未知参数，子样的联合密度(连续型）或联合分布列(离散型)为f(x1,x2,…,xn;θ)定义似然函数（likelihoodfunction）=f(x1,x2,…,xn;θ)L(θ)=L(θ;x1,x2,…,xn)定义似然函数（likelihoodfunction）=f(x1,x2,…,xn;θ)L(θ)=L(θ;x1,x2,…,xn)求极大似然估计(MLE)的一般步骤:(1)由母体分布写出子样的联合分布列(或联合密度);(2)把子样联合分布列(或联合密度)中的自变量看成已知常数,而把参数θ看作自变量,得到似然函数L(θ);(3)求似然函数L(θ)的最大值点(常常转化为求lnL(θ)的最大值点)，即θ的MLE2、用上述求导方法求参数的MLE有时行不通，这时要用极大似然估计原理来求.说明：例1设ξ1,ξ2,…,ξn是取自母体ξ~b(1,p)的一个子样，求参数p的极大似然估计.注最大次序统计量注矩估计量注例3一罐中装有白球和黑球，有放回地抽取一个容量为n的子样，其中有k个白球，求罐中黑球与白球之比R的极大似然估计值.解:设罐中有白球x个，则有黑球Rx个，从而罐中共有(R+1)x个球∴先求p的MLE：p的MLE为在前面例2中,我们已求得由前述极大似然估计的不变性不难求得