概率第二十讲6.1–6.2.pptVIP

  1. 1、本文档共37页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
第二十讲 参数点估计 一、 参数的点估计 二、 估计量的评选标准 2.有效性: 3.一致性: 解: 解: 作 业 首页 返回 退出 北京信息科技大学 统计系 首页 返回 退出 北京信息科技大学 统计系 上一章,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. 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,或估计 的某个已知函数 . 现从该总体抽样,得样本 设有一个统计总体,总体的分布函数 向量) . 为 F(x, ),其中 为未知参数 ( 可以是 参数估计 点估计 区间估计 估计 为1.68, (假定身高服从正态分布 ) 设这5个数是: 1.65 1.67 1.68 1.78 1.69 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内, 假如我们要估计某队男生的平均身高. 现从该总体选取容量为5的样本,我们的任务是要根据选出的样本(5个数)求出总体均值 的估计. 而全部信息就由这5个数组成 . 一、参数的点估计 1、 矩估计法 其基本思想是用样本原点矩估计总体原点矩 . 它是基于一种简单的“替换”思想建立起来的一种估计方法 . 是英国统计学家K.皮尔逊最早提出的 . 解: 根据矩估计法, 例1 样本矩 总体矩 解: 由矩估计法, 样本矩 总体矩 解得 的矩估计. 即为 数学期望 是一阶 原点矩 例2 设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 解: 记总体k阶矩为 样本k阶矩为 用相应的样本矩去估计总体矩的估计方法 就称为矩估计法. 记总体k阶中心矩为 样本k阶中心矩为 矩法的优点是简单易行,并不需要事先知道总体是什么分布 . 缺点是,当总体类型已知时,没有 充分利用分布提供的信息 . 一般场合下, 矩估计量不具有唯一性 . 2、 最大(极大)似然估计法 极大似然法的基本思想 先看一个简单例子: 一只野兔从前方窜过 . 是谁打中的呢? 某位同学与一位猎人一起外出打猎 . 如果要你推测, 你会如何想呢? 只听一声枪响,野兔应声倒下 . 你就会想,只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 选择一个参数使得x1, x2, …, xn出现的概率最大的思想就是极大似然法的基本思想 . 上式称为似然函数. 样本值:x1, x2, …, xn 样本:X1, X2, …, Xn (1)总体X是离散型 X的概率分布为P(X=k)=p(k;θ),θ为未知参数. 则有理由认为:事件“X1= x1, X2= x2, …, Xn= xn”发生的概率最大. 即: P(X1= x1, X2= x2, …, Xn= xn) =P(X1= x1)P(X2= x2) … P(Xn= xn) =p(x1;θ) p(x2;θ) … p(xn;θ) L(θ) 1.写出似然函数 =p(x1;θ) p(x2;θ) … p(xn;θ) L(θ) 求最大似然估计量的步骤: 2.取对数 3.对数θ求导 并令 解方程即得未知参数θ的最大似然估计值 (离散) 1.写出似然函数 =f(x1;θ) f(x2;θ) … f(xn;θ) L(θ) 求最大似然估计量的步骤: 2.取对数 3.对数θ求导 并令 解方程即得未知参数θ的最大似然估计值 (连续) 下面举例说明如何求最大似然估计 L(p)= 例3 设X1,X2,…Xn是取自总体 X~B(1, p) 的一个样本,求参数p的最大似然估计. 似然函数为 解: 0 1 1-p X P p 总体X的概率函数为 设x1,x2,…xn是相应的样本观测值 L(p)= 似然函数为 取对数 对p求导并令其为0, =0 得 为 p 的最大似然估计值

文档评论(0)

jdy261842 + 关注
实名认证
文档贡献者

分享好文档!

1亿VIP精品文档

相关文档