新第26讲.pptVIP

下面举例说明如何求极大似然估计 L(p)= f (X1,X2,…Xn; p ) 例5 设X1,X2,…Xn是取自总体 X~B(1, p) 的一个样本，求参数p的极大似然估计. 解：似然函数为: 对数似然函数为： 对p求导并令其为0， =0 得 即为 p 的MLE . 解：似然函数为 对数似然函数为 例6 设X1,X2,…Xn是取自总体X的一个样本 求 的极大似然估计. 其中 0, 求导并令其为0 =0 从中解得 即为 的MLE . 对数似然函数为 引言 上一讲，我们介绍了总体、样本、简单随机样本、统计量和抽样分布的概念，介绍了统计中常用的三大分布，给出了几个重要的抽样分布定理. 它们是进一步学习统计推断的基础.  总体 样本 统计量 描述 作出推断 研究统计量的性质和评价一个统计推断的优良性，完全取决于其抽样分布的性质. 随机抽样  现在我们来介绍一类重要的统计推断问题 参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数. 参数估计 估计废品率 估计新生儿的体重 估计湖中鱼数 … … 估计降雨量 在参数估计问题中，假定总体分布 形式已知，未知的仅仅是一个或几个 参数. 这类问题称为参数估计. 参数估计问题的一般提法 X1,X2,…,Xn 要依据该样本对参数 作出估计