参数估量极大似然法.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
参数估量极大似然法

极大似然估计法 极大似然原理的直观想法是:一个随机试验如有若干个可能的结果A,B,C,….若在一次试验中,结果A出现, 则一般认为A出现的概率最大,也即试验条件对A出现有利.或者说在试验的很多可能条件中,认为应该是使事件A发生的概率为最大的那种条件存在. 极大似然估计的基本思想 例:假若一个盒子里有许多白球和红球,而且已知它们的数目之比是3:1,但不知是白球多还是红球多.设随机地在盒子中取一球为白球的概率是p.如果有放回地从盒子里取3个球,那么白球数目X服从二项分布 如果样本中白球数为0,则应估计p=1/4,而不估计p=3/4.因为具有X=0的样本来自p=1/4的总体的可能性比来自p=3/4的总体的可能性要大.一般当X=0,1时,应估计p=1/4;而当X=2,3时,应估计p=3/4. 极大似然估计法的思想: 设总体X的密度函数为f(x,?),?为未知参数,则 样本(X1,X2,…,Xn)的联合密度函数为 令 参数?的估计量 ,使得样本(X1,X2,…,Xn)落在观测 值 的邻域内的概率L(?)达到最大,即 则称 为参数?的极大似然估计值。 令 求极大似然估计的一般步骤归纳如下: 例:设随机变量X服从泊松分布: 其中λ0是一未知参数,求λ的极大似然估计. 解 设(x1,x2,…,xn)是样本 (X1,X2,…,Xn)的一组观测值.于是似然函数 两边取对数得 从而得出λ的极大似然估计量为 解这一方程得 解 总体X服从参数为λ的指数分布,则有 所以似然函数为 取对数 令 解得λ的极大似然估计值为 极大似然估计量为 例:设(X1,X2,…,Xn)是来自正态总体N(μ,σ2)的一个样本,其中μ,σ2是未知参数,参数空间Θ={-∞ μ ∞, σ2 0}.求μ与σ2的极大似然估计. 解 正态分布的似 然函数为 两边取对数得 由微积分知识易验证以上所求为μ与σ2的极大似然估计. 分别求关于μ与σ2的偏导数,得似然方程组 解这一方程组得 例:设总体X具有均匀分布,其概率密度函数为 求未知参数θ的极大似然估计. 解 设 (X1,X2,…,Xn)是来自总体X的一个样本.似然函数为 要使L(θ; x1,x2,…,xn)达到最大,就要使θ达到最小,由于 所以θ的极大似然估计值为: 参数θ的极大似然估计量为: 例 假设(X1,X2,…,Xn)是取自正态总体N(?,?2) 的样本,求?和?2的极大似然估计量。 解 构造似然函数 取对数 求偏导数,并令其为0 解得 所以μ,?2的极大似然估计量为 与矩估计量 相同 例 设总体 X ~ N (?,? 2), x1, x2,…, xn 是 X 的样本值, 求 ?, ? 2 的极大似然估计. 解 7-26 ?, ? 2 的极大似然估计量分别为 似然 方程 组为 7-27

文档评论(0)

shaoye348 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档