求未知参数的极大似然估计值量.pptVIP

* 第六章 参数估计 参数估 计问题 假设检 验问题 点估计 区间估计 统计 推断 的 基本 问题 什么是参数估计？ 　　参数是刻画总体某方面的概率特性的数量． 　　当这个数量是未知的时候，从总体抽出一个 样本，用某种方法对这个未知参数进行估计 就是参数估计． 例如，X ~N (? ,? 2)． 点估计 区间估计 　　若?，? 2未知，通过构造样本的函数，给出它 们的估计值或取值范围就是参数估计的内容． 参数估计的类型 点估计 —— 估计未知参数的值； 　　区间估计 —— 估计未知参数的取值范围，使得这个范围包含未知参数真值的概率为给定的值． §6.1 点估计 点估计的思想方法 　　设总体X 的分布函数的形式已知，但它含有一个或多个未知参数：?1,?2, ?,?k． 　　设X1, X2,…, Xn为总体的一个样本构造k个统计量： 随机变量． 　　当测得一组样本值(x1, x2,…, xn)时，代入上述统计量，即可得到 k 个数： 数值 称数 为未知参数 的估计值， 　　问题　如何构造统计量？ 如何评价估计量的好坏？ 对应的统计量为未知参数 的估计量． 　　矩法　用样本的 k 阶矩作为总体的 k 阶矩的估计量，建立含有待估计参数的方程，从而可解出待估计参数． 　　一般地，不论总体服从什么分布，总体期望? 与方差? 2存在，则它们的矩估计量分别为： 两种常用的点估计方法 事实上，按矩法原理，令 　　设待估计的参数为 设总体的r 阶矩存在，记为 　　设X1, X2,…, Xn为一样本，样本的 r 阶矩为 令 —— 含未知参数?1,?2, ?,?k的方程组． 解方程组，得 k 个统计量： ——未知参数?1,?2, ?,?k 的矩估计量． ——未知参数?1,?2, ?,?k 的矩估计值． 　　代入一组样本值得k个数： 　　例1　设总体X ~ N ( ? ,? 2 )，X1, X2，…，Xn为总体的样本，求?，? 2 的矩法估计量． 解 　　例2　设总体X ~ E(?)，X1, X2，…，Xn为总体的样本，求?的矩法估计量． 解 令 故 　　例3　设从某灯泡厂某天生产的一大批灯泡中随机地抽取了10只灯泡，测得其寿命为(单位：小时)： 1050，1100，1080，1120，1200 1250，1040，1130，1300，1200 　　试用矩法估计该厂这天生产的灯泡的平均寿命及寿命分布的标准差． 解 　　例4　设总体X ~ U (a，b)，a，b未知，求a，b的矩法估计量． 解　由于 令 解得 点估计的极大似然估计法 　　思想方法：一次试验就出现的事件有较大的概率． 　　例如：有两个外形相同的箱子，都装有100个球．一箱99个白球，1个红球；另一箱1个白球，99个红球．现从两箱中任取一箱，并从箱中任取一球， 结果所取得的球是白球． 答　第一箱. 问　所取的球来自哪一箱？ 　　例5　设总体 X 服从0-1分布，且P (X = 1) = p，用极大似然法求 p 的估计值． 解　X 的概率分布可以写成 设X1, X2,…, Xn为总体 X 的样本； 设x1, x2,…, xn为总体 X 的样本值． 则 在容许的范围内选择 p ，使L(p)最大． 　　　注意到，ln L(p)是 L 的单调增函数，故若某个 　p 使ln L(p)最大，则这个p 必使L(p)最大． 所以 为所求 p 的估计值． 则称这样得到的　　 为参数? 的极大似然估计值，简记 称统计量 为参数? 的极大似然估计量，简记 ，使L(? )取最大值，即 　　当给定一组样本值时，L(? )就是参数? 的函数， 极大似然估计法的思想就是： 选择适当的? = 称L( )为样本的似然函数． 　　注1　若随机变量X 连续，取 f (xi，? )为Xi 的密度函数似然函数为 　　注2　未知参数个数可以不止一个，如?1，?2，…，?k设X 的密度函数(或概率分布)为 则定义似然函数为： 若 关于?1, ?2,…, ?k 可微，则称 为似然方程组． 　　若对于某组给定的样本值x1, x2,…, xn，参数　 则称 为?1, ?2,…, ?k 的极大似然估计值． 使得似然函数取得最大值，即 显然， 称统计量 　　为?1，?2，…，?k 的极大似然估计量． 　　例6　设总体X ~ N (?,? 2)，x1, x2,…, xn 是X 的一组样本值，求?, ? 2的极大似然估计． 解 ?，? 2 的极大似然估计量分别为： 似然 方程 组为 求未知参数的极大似然估计值(量)的方法 (1) 写出似然函数L (2) 求出 ，使得 的可微函数，解似然方程组 若