EX7_1.pptVIP

例: 如果一个老兵和一个新兵同时打靶，但仅有一人命中，问谁命中的可能性大？ (1) 老兵 (2)新兵 例:若袋中有黑白两种球 ( 除颜色外别无差异 ) , 且已知两种球数之比为1:3 ，而不知是白的多还是黑的多。任取一球取得黑球的概率为 ?=0.25或? =0.75，现在通过抽样来估计?值。 现将抽样的所有可能结果及其相应的概率列表如下： 例1. 不合格品率的矩法估计 设某车间生产一批产品，为估计该批产品不合 格品率p，随机抽取了n件产品进行检查. 分析 设总体X 即抽一件产品的不合格产品数， 相当于抽取了一组样本X1，X2，… ，Xn , 且 ? 解: 因 p=E(X), 因此 p 的矩估计量为: 待估参数p出现在 总体的数学期望中，故考虑用样本均值作为p 的估计。 注意：估计量是随机变量而期望是数值。 令: 对样本做一次观测就可以得到矩估计值 出现不合格产品的频率 例：（二项分布的矩估计）设总体 X 服从二项分布 B (k , p ) k 为正整数，0p1 样本为X1，X2，… ，Xn，求 k , p 的矩估计量。 解： 令: 即： 解得： ? 解: 例3. 设总体X的概率密度为 其中θ＞0，μ与θ是未知参数，X1,X2,…,Xn是X 的一组样本，求μ与 θ的矩估计量. 令: 所以 D(X)=E(X2)－[E(X)]2=θ2 ? θ和μ的矩估计量为： 大家首先想到的是老兵，因为它更符合情理！ 例: 若袋中有黑白两种球 ( 除颜色外别无差异 ) , 且已知两种球数之比为 1:3 ，现任取一球，发现是白色，问哪种颜色的球多一些？ 大家都会觉得白色的多一些。 极大似然法简例 基本想法： 如果在一次试验中事件A 发生了，那么试验的条件应该最有利于事件A 的出现。即试验的条件应使A 发生的概率最大。——做一次试验就发生的事件看成最可能出现的事件。 ? 首先，令X 表示从袋中任取一球所得的黑球数，则 现从袋中有放回地 (保证独立性) 任取 n 个球 (不妨设为 n=3 )， 则X1, X2, X3 独立同分布，是来自总体X 的一个容量为 n=3 的样本. 用极大似然法---通过抽样判断球的多少 .4219 .1406 .1406 .1406 .0469 .0469 .0469 .0156 Pθ2=0.75 .0156 .0469 .0469 .0469 .1406 .1406 .1406 .4219 Pθ1=0.25 (1,1,1) (1,1,0) (1,0,1) (0,1,1) (1,0,0) (0,1,0) (0,0,1) (0,0,0) (x1,x2,x3) 例如，当抽样结果为(0,1,1)时， 从直观看，抽得的 3 球中有 2 黑，可估计 ? =0.75 从概率看， ? =0.75时 P0.75(X1=0,X2=1,X3=1)=.1406 ? =0.25时 P0.25(X1=0,X2=1,X3=1)=.0469 即样本(0,1,1)来自?=0.75的总体的可能性要大些。 也就是说，对每个样本观测值(x1,x2,x3)，选取的? 的 估计值应使(x1,x2,x3)出现的可能性最大，即 一般取 这样得到的估计值就是? 的极大似然估计值。 ? 例 不合格品率p 的M.L.E.估计 设 总体X是抽一件产品的不合格品数，记 p= P{X=1}=P{产品不合格} 则 X的分布律可表示为: 现得到X的一组样本X1，X2，…,Xn的实际观 察值为 x1, x2, …,xn , 则事件 {X1=x1，X2=x2，…,Xn=xn} 出现的可能性应最大, 其概率为 应选取使L(p) 达到最大的值作为参数 p 的估计. 令 解得 （频率值） 注意到 ? 例 指数分布的点估计 今取得一组样本数据如下，问如何估计θ？ 1100 800 210 190 620 520 450 410 340 280 270 140 130 100 68 50 29 16 某电子管的使用寿命 X （单位：小时) 服从 指数分布 分析 可用两种方法：矩法估计 和极大似然估计. 1）矩法估计 2）极大似然估计 构造似然函数 当xi0,（i=1,2, …,n) 时， 取对数 似然函数为: 设x1, x2 ,…, xn是X的一组样本X1, X2, …, Xn的样本观测值， 5. 得M.L.E量： 求解得M.L.E值 建立似然方程 点估计计算注意的问题 1. 矩估计： “令”字：表示