第八参数估计方法.pptVIP

一、似然函数 对于离散型随机变量，似然函数是多个独立事件的概率函数的乘积，该乘积是概率函数值，它是关于总体参数的函数。 例如，一只大口袋里有红、白、黑3种球，采用复置抽样50次，得到红、白、黑3种球的个数分别为12，24，14，那么根据多项式的理论，可以建立似然函数为： 其中p1，p2，p3分别为口袋中红、白、黑3种球的概率(p3=1－p1－p2)，它们是需要估计的。 对于连续型随机变量，似然函数是每个独立随机观测值的概率密度函数的乘积，则似然函数为： (8·11) 若yi 服从正态分布 ，则 ，上式可变为： (8·12) 二、极大似然估计 所谓极大似然估计就是指使似然函数为最大以获得总体参数估计的方法。其中，所获得的估计总体参数的表达式称为极大似然估计量，由该估计量获得的总体参数的估计值称为总体参数的极大似然估计值。 为了计算上的方便，一般将似然函数取对数，称为对数似然函数，因为取对数后似然函数由乘积变为加式，其表达式为： (8·13) * 第八章 参数估计方法 第一节 农业科学中的主要参数及其估计量的评选标准 第二节 矩法 第三节 最小二乘法 第四节 极大似然法 第一节 农业科学中的主要参数及其估计量的评选标准 一、农业科学中的主要参数 (1)总体数量特征值参数，例如，用平均数来估计品种的产量，用平均数差数来估计施肥等处理的效应； (2)在揭示变数间的相互关系方面，用相关系数来描述2个变数间的线性关系；用回归系数、偏回归系数等来描述原因变数变化所引起的结果变数的平均变化的数量，用通径系数来描述成分性状对目标性状的贡献程度等。 农业科学研究中需要估计的参数是多种多样的，主要包括: 二、参数估计量的评选标准 (一) 数学期望 样本平均数的平均数就是一种数学期望。 例如，一个大豆品种的含油量为20%，测定一次可能是大于20%，再测定可能小于20%，大量反复测定后平均结果为20%，这时20%便可看作为该大豆品种含油量的数学期望，而每单独测定一次所获的值只是1个随机变量。 抽象地，随机变量的数字特征是指随机变量的数学期望值。 对于离散型(间断性)随机变量y的分布列为：P{y=yi}=pi ，其中，i=1，2，…，那么随机变量y的数学期望E(y)为： (8·1) 这样可以求得总体平均值。 对于连续型随机变数y的数学期望E(y)为： (8·2) 其中f(y)为随机变量y的概率密度函数，这样可以求得总体均值。 用D(y)表示方差，有 D(y)=E [y－E(y)]2 (8·3) 这就是随机变量函数的数学期望。同理，离散型随机变量方差的数学期望为： (8·4) 连续型随机变量方差的数学期望为： (8·5) 数学期望有这样一些常用的性质： (1) 常数的数学期望为常数本身； (2) 随机变量与常数的乘积的数学期望是常数与随机变量的数学期望的乘积； (3) 多个随机变量分别与常数的乘积的求和函数的数学期望是常数与多个随机变量的数学期望的乘积的和； (4) 多个相互独立的随机变量的乘积的数学期望是多个随机变量的数学期望的乘积。 (二) 参数估计量的评选标准 评价估计量优劣的标准主要有无偏性、有效性、相合性等 (1) 无偏性 参数估计量的期望值与参数真值是相等的，这种性质称为无偏性，具有无偏性的估计量称为无偏估计量。 例如，在抽样分布中已经介绍了离均差平方和除以自由度得到的均方的平均数等于总体方差，即该均方的数学期望等于相应总体参数方差，这就是说该均方估计量是无偏的。 估计量的数学期望值在样本容量趋近于无穷大时与参数的真值相等的性质称为渐进无偏性，具有渐进无偏性的估计量称为渐进无偏估计量。 (2) 有效性 无偏性表示估计值是在真值周围波动的一个数值，即无偏性表示估计值与真值间平均差异为0，近似可以用估计值作为真值的一个代表。 同一个参数可以有许多无偏估计量，但不同估计量的期望方差不同，也就是估计量在真值周围的波动大小不同。估计量的期望方差越大说明用其估计值代表相应真值的有效性越差；否则越好，越有效。不同的估计量具有不同的方差，方差最小说明最有效。 如果一个无偏估计量相对与其它所有可能无偏估计量，其期望方差最小，那么称这种估计量为一致最小方差无偏估计量。 (3) 相合性 用估计量估计参数涉及一个样本容量大小问题，如果样本容量越大估计值越接近真值，那么这种估计量是