7-1点估计幻灯片.pptVIP

思考题 假设你对学院里全体学生（总体）身上带的钱的平均数很感兴趣。你会如何找出答案呢？ 第一节 点估计 推断过程 三、小结 解：似然函数为 例7 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的最大似然估计. i=1,2,…,n 对数似然函数为 解：似然函数为 i=1,2,…,n =0 (2) 由(1)得 =0 (1) 对 分别求偏导并令其为0, 对数似然函数为 对 是 故使 达到最大的 即 的MLE 于是 取其它值时， 即 为 的MLE . 且是 的增函数 三、课堂练习 例1 设总体X的概率密度为 其中 是未知参数 , X1 , X2 , … , Xn 是取自 X 的样本, 求参数 的矩估计. 7 - * 7 - * * * * 一、矩估计法 二、最大似然估计法 三、小结 总体 样本 估计 检验 统计量 (X) 点估计问题的一般提法 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 例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，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 取样本中位数1.68作为 的估计 取样本均值1.71作为 的估计 一、 矩估计法 矩估计法由英国统计学家K.皮尔逊最早提出 . 理论依据: 大数定律 定义 用样本原点矩估计相应的总体原点矩 , 又 用样本原点矩的连续函数估计相应的总体原点矩的 连续函数, 这种参数点估计法称为矩估计法 . 那么用诸 的估计量 Ai 分别代替上式中的诸 , 即可得诸 的矩估计量 ： 矩估计法的具体步骤 从这 k 个方程中反解出 j=1,2,…,k j=1,2,…,k 设总体的分布函数中含有k个未知参数 , 则总体的前k阶矩 均为这 k 个参数的函数, i=1,2, … ,k 矩估计量的观察值称为矩估计值 . 例1 设总体 X 在 [ a , b ] 上服从均匀分布 , a , b 未知 . 是来自 X 的样本 , 试求 a , b 的矩估计量 . 解 即 解得 于是 a , b 的矩估计量为 样本矩 总体矩 解 根据矩估计法, 例2 解 解方程组得到矩估计量分别为 例3 上例表明: 总体均值与方差的矩估计量的表达式不因不同的总体分布而异. 一般地, 二、 最大似然估计法 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 . 最大似然估计原理： 当给定样本X1,X2,…Xn时，定义似然函数为： 这里 x1, x2 ,…, xn 是样本的观察值 . 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 ; ) . f (x1, x2 ,…, xn; ) 似然函数： 而相应的统计量 称为 的最大似然估计量 . f (x1, x2 ,…, xn; ) 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 . 最大似然估计法就是用使 达到最大值的 去估计 . 称 为 的最大似然估计值 . 注： 1、求似然函数L( ) 的最大值点，可以应用微积分中的技巧。由于ln(x)是 x 的增函数, lnL( )与L( )在 的同一值处达到它的最大值，假定 是一实数，且lnL( )是 的一个可微函数。通过求解方程： 可以得到 的MLE . 若 是向