1矩估计与极大似然估计.ppt

统计推断的过程 参数估计的方法 解上述方程，得 换成 换成 (4). 在最大值点的表达式中，代入样本值， 就得参数 θ 的极大似然估计。 II. 求极大似然估计(MLE)的一般步骤 . 由总体分布导出样本的联合概率函数(连 续型时为联合概率密度, 离散型时为联合 概率分布)； (2). 把样本的联合概率函数中的自变量看成 已知常数, 参数θ 看成自变量, 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ln L(θ )的最大值点) ，即 θ 的MLE; 两点说明： ● 求似然函数 L(θ ) 的最大值点，可应用微积分中的技巧。由于 ln(x) 是 x 的增函数，所以 ln L(θ ) 与 L(θ ) 在 θ 的同一点处达到各自的最大值。假定 θ 是一实数, ln L(θ )是 θ 的一个可微函数。通过求解似然方程 可以得到 θ 的MLE。 ● 用上述方法求参数的极大似然估计有时行不通，这时要用极大似然原理来求 。 若θ 是向量，上述似然方程需用似然方程组 代替 。 例2：某机器生产的金属杆用于汽车刹车系统，假设这种金属杆直径服从正态分布 N(?, ?2) 参数 ? 和 ?2 未知，求此两参数极大似然估计量。 解：似然