第22节点估计量的求法.PPTVIP

第2.2节 点估计量的求法 一、矩估计法 例4 (方法2) 二 、最大似然估计法 三、用次序统计量估计参数的方法 再 见 费希尔资料 它们与相应的矩估计量相同. 例8(p47例2.14) 设总体X服从柯西分布，其分布密度为 解 由分布可知，其似然函数为 此方程只能求解其数值解，可以以样本中位数为初始 值进行迭代。又因为此分布均值不存在，不可用矩估计. 解 例9(p48例2.15) 4. 最大似然估计的性质 定理2.4 此性质可以推广到总体分布中含有多个未知参数的情况. 例10(p48例2.16) 解 定理2.5 证 由因子分解定理可知 注 该定理说明最大似然估计充分利用了样本中包含的参数的信息，因而是一种比较好的估计，通常情况下，最大似然估计不仅是相和估计，而且是渐近正态估计. 1. 用样本中位数与样本极差估计参数 由1.4节可知，由于样本中位数与样本极差计算方便，因而通常情况下，可以用样本中位数估计总体期望，用样本极差估计总体的标准差。 定理2.6 一、矩估计法 二、最大似然估计法 三、用次序统计量估计参数的方法 由于估计量是样本的函数, 是随机变量, 故对不同的样本值, 得到的参数值往往不同, 因此如何求得参数? 的估计量便是问题的关键所在. 常用构造估计量的方法: (三种) 1. 矩估计法