高等数学7.1点估计与最大似然估计讲述.ppt

7. 1 点估计与最大似然估计 第七章 参数估计 一、点估计的概念: 1、定义6.1: 设总体 X 的分布函数为 F( x , θ ), 其中θ 为 未知参数 . 从总体 X 中抽取样本 X1 , X2 , … , Xn , 其观测值为 x1 , x2 , … , xn . 估计量和估计值统称为点估计 . 二、矩估计法: 1、矩估计法: 因很多分布的数学期望与方差均是分布中 的参数或是参数的某个函数 , 于是就设想 令样本矩与总体矩相等, 再利用总体矩与 参数之间的关系, 导出参数的一个点估计 的方法, 称为矩估计法 . 2、矩估计法解题的主要步骤: 解方程组即得 未知 . X1 , X2 , … , Xn 是来自 X 的样本, 例7.1 设总体 X 在[a , b]上服从均匀分布, a , b 解 本分布中含有两个未知参数, 故令 求a , b的矩估计量. 由于 X 在[a , b]上服从均匀分布, 所以 解方程组, 得 例7.2 现有一批产品, 设 p 是产品的次品率, 现估 计 p 的值 . 为此作放回抽样, 共 10 次 . 三、最大似然估计: 若 10 次试验的结果是样本观测值 (x1 , x2 , … , xn) = (1, 0, 1, 0, 0, 0, 1, 0, 0, 0) , 则有 最大似然法的基本思想是在已经得到试验结果的 情况下, 寻找使这个结果出现的可能性最大的 p 值作为真 p 的估计 . 于是 设 ( X1 , X2 , … , Xn ) 为来自总体 X 的样本 , 1、若 X 为离散型随机变量, 其分布律为 X 的分布类型已知, 参数 θ 未知 . 则样本 ( X1 , X2 , … , Xn ) 的分布为 称 L(θ )为似然函数, 选择θ 使L(θ )达到最大 值的θ 值作为真θ 的估计 . 2、若 X 为连续型随机变量, ( X1 , X2 , … , Xn ) 的密度函数为 称 L(θ )为似然函数, 选择θ 使L(θ )达到最大 值的θ 值作为真θ 的估计 . 其密度函数为 f (x ;θ ), 则样本 这种点估计的方法称为最大似然法 . 例7.3 设总体 X～B(m , p), X1 , X2 , …, Xn 是 X 的一个样本, 求 p 的极大似然估计 . 解 由于 X～B(m , p), 有 作似然函数 例7.4 设总体 X～N(μ ,σ 2), 获样本 X1 , X2 , …, Xn , 求 μ 及 σ 2 的极大似然估计 . 解 由于总体 X～N(μ ,σ 2), 作似然函数为 将似然函数关于 μ 及 σ 2 求偏导, 得 是 μ 及 σ 2 的极大似然估计值, 估计量 . 作 业 P 97 : 1 , 4 , 5 , 6 习 题 七