两种矩估计法和最大似然估计法一.PPT

第6.1节 参数的点估计 一、点估计问题的提法 二、估计量的求法 三、小结 费希尔资料 解 例3 * *  第 六 章  点 估 计 一、点估计问题的提法 二、估计量的求法 三、小结  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. 估计废品率 估计新生儿的平均体重 估计湖中鱼数 … … 估计平均降雨量 这类问题称为参数估计.(一般分点估计，区间估计) 参数估计问题的一般提法 要依据该样本对参数 作出估计，或估计 的某个已知函数 . 现从该总体中抽取样本 设有一个统计总体的分布函数F(x, )， 其中 为未知参数. 设总体的分布函数形式已知, 但它的一个或多个参数为未知, 借助于总体的一个样本来估计总体未知参数称为点估计问题. 由于估计量是样本的函数, 是随机变量, 故对不同的样本值, 得到的参数值往往不同, 求估计量的问题是关键问题. 点估计的求法: (两种) 矩估计法和最大似然估计法. 一、 矩估计法 其基本思想是用样本矩估计总体矩 . 理论依据: 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 . 大数定律 矩估计法的具体步骤: 矩估计量的观察值称为矩估计值. 例 1 设总体 服从泊松分布 ， 求参数 的估计量. 解：设 是总体 的一个样本,由于 ,可得 解 例2 解方程组得到a, b的矩估计量分别为 解 解方程组得到矩估计量分别为 例3 上例表明: 总体均值与方差的矩估计量的表达式，不因不同的总体分布而异. 一般地: 矩法的优点是简单易行, 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 . 例4 设总体 的分布密度为 为总体 的样本,求参数 的矩估 计量. 解：由于 只含有一个未知参数 ，一般只需求出 便能得到 的矩估计量，但是 即 不含有 ,故不能由此得到 的矩估计量.为此, 求 故令 于是解得 的矩估计量为 二、 最大（极大）似然估计法 最大似然法是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家 高斯在1821年提出的 ,然而， Gauss Fisher 这个方法常归功于英国统计学家费歇 . 费歇在1922年重新发现了 这一方法，并首先研究了这 种方法的一些性质 . （或分 似然函数 设总体的分布律为 ，其中 是未知参数， 是总体的一个样本, 为 布密度为 ） 则样本 ，当给定样本值 后，它只是参数 的函数，记为 即 的分布律 则称 为似然函数。似然函数实质上 是样本的分布律或分布密度。 2.最大似然估计法 最大似然估计法，是建立在最大似然原理的基础上的求点估计量的方法。最大似然原理的直观想法是：在试验中概率最大的事件最有可能出现。因此，一个试验如有若干个可能的结果 若在一次试验中，结果 出现，则一般 出现的概率最大。 认为 定义6.1 设总体 的分布密度（或分布律）为 ，其中 为未知参 数。又设 是总体 的一个样 本值，如果似然函数 （6.1） 替换成样本 分别为 似然估计值。 需要注意的是，最大似然估计值 依赖于样本值，即 若将上式中样本值 则所得的 的最大 称为参数 的最大似然估计量。 由于 而 与 在同一 处达到最大值， 为最大似然估计的必要条件为 称它为似然方程，其中 （6.2） 因此， 求最大似然估计量的一般步骤为： （1）求似然函数 （2）一般地，求出 及似然方程 （3）解似然方程得到最大似然估计值 （4）最后得到最大似然估计量