matlab数学实验七.ppt

四、 参数估计 参数估计是数理统计中的一个基本概念，它是指用样本对总体分布中的未知参数作出估计，这种估计我们常见的有点估计和区间估计两种。 1、极大似然法的思想是: 若抽样的结果得到样本观测值x1,x2,…,xn, 则我们 的值,使这组样本观测值出现的 应当这样选取参数 可能性最大. 构造似然函数： 使 达到最大，从而得到参数 的估计值 此估计值叫极大似然估计值. 称为似然函数. 函数 求极大似然估计值的问题，就是求似然函数 的最大值的问题， 则由 即 求出参数 的估计值 2、区间估计的思想 : 设总体X的分布中含有未知参数 若对于给定的概率 存在两个统计量 X1，X2，…，Xn）和 X1，X2，…，Xn）,使得 为参数 的置信水平为 的置信区间. 称为置信下限; 称为置信上限. 则随机 区间( 区间估计常见的有正态总体均值与方差的区间估计。 设已给定置信水平 , 并设 为总体 的样本, 和 和样本方差. 分别是样本均值 （1） 已知, 均值 的置信区间 由于 ,因此, 对给定的 由标准正态分布的上 分位点的定义, 有 即 所以 的一个置信水平为 的置信区间为 这样的置信区间通常也写成 （2） 未知, 均值 的置信区间 当 未知时, 由于 由 分布的上 分位点的定义, 有 即 所以 的一个置信水平为 的置信区间为 （3）方差 的置信区间 从理论上讲, 对总体方差 作区间估计, 也应分成 已知和 未知两种情况. 此处只讨论 未知的情况. 由于 由 分布的上 分位点的 定义, 有 所以 的置信水平为 的置信区间为 的置信水平为 的置信区间为 3、MATLAB软件提供的一些常见分布的参数估计函数命令。 （1）正态分布数据的参数估计函数 [muhat,sigmahat,muci,sigmaci]=normfit(x,alpha) 此命令表示在显著性水平alpha下估计数据X的参数（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值,sigmahat是标准差的点估计值，,muci是均值的区间估计,sigmaci是标准差的区间估计。 （2）指数分布数据的参数估计函数 [muhat, muci] = expfit(X,alpha) 此命令表示在显著性水平alpha下，求指数分布的数据X的均值的点估计值muhat及其区间估计值muci. （3）泊松分布数据的参数估计函数 [lambdahat, lambdaci] = poissfit(X,alpha) 此命令表示在显著性水平alpha下，求泊松分布的数据X 的参数的极大似然估计值muhat及其置信区间muci. （4）Weibull分布数据的参数估计函数 [phat, pci] = weibfit(X,alpha) 此命令表示在显著性水平alpha下，求Weibull分布的数据X 的参数的点估计值phat及其区间估计值pci. （5）均匀分布数据的参数估计函数 [ahat,bhat,aci,bci]=unifit(x,alpha) 此命令表示在显著性水平alpha下估计数据X的参数（alpha缺省时设定为0.05），返回值ahat是X的参数a的极大似然估计值,bhat是X的参数b的极大似然估计值，,aci是参数a的置信区间,bci是参数b的置信区间。 （6）二项分布数据的参数估计函数 [phat, pci] = binofit(X,n,alpha) 此命令表示在显著性水平alpha下，求二项分布的数据X 的参数的极大似然估计值phat及其置信区间pci. （7）β分布数据的参数估计函数 [phat, pci] = betafit(X,alpha) 此命令表示在显著性水平alpha下，求β分布的数据X 的参数的极大似然估计值phat及其置信区间pci. 说明： 以上命令中alpha缺省时设定为0.05；样本数据如果是以矩阵形式给出，则按每列数据分别给出参数估计。 例15 分别随机产生50、500和5000个β分布数据，相应的分布参数真值为4和3。分别求出参数4和3的最大似然估计值和置信度为99%的置信区间。 解 β分布函数为 其中 先用命令betarnd生成50个β分布的随机数， x=betarnd(4,3,1,50) x = 0.4000 0.7035 0.4543 0.5349 0.4157 0.4263 0.5844 0.3610 0.7694 0.8602 0.7495