概率第七章概率71章节.pptVIP

例6 设总体 X ~N( ) , 未知 . 是来自 X 的样本值 , 试求 的最大似然估计量 . 似然函数为 解 X 的概率密度为 于是 令 解得 的最大似然估计量为 解：似然函数为 例7 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的最大似然估计. i=1,2,…,n 对数似然函数为 解：似然函数为 i=1,2,…,n =0 (2) 由(1)得 =0 (1) 对 分别求偏导并令其为0, 对数似然函数为 用求导方法无法最终确定 用最大似然原则来求 . 对 是 故使 达到最大的 即 的MLE 于是 取其它值时， 即 为 的MLE . 且是 的增函数 第二次捕出的有记号的鱼数X是r.v, X具有超几何分布： 为了估计湖中的鱼数N，第一次捕上 r 条鱼 ， 做上记号后放回. 隔一段时间后, 再捕出 S 条鱼 , 结果发现这S条鱼中有k条标有记号.根据这个信息，如何估计湖中的鱼数呢？ 最后，我们用最大似然法估计湖中的鱼数 应取使L(N;k)达到最大的N，作为N的极大似然估计. 但用对N求导的方法相当困难, 我们考虑比值： 把上式右端看作 N 的函数，记作 L( N ; k) . 经过简单的计算知，这个比值大于或小于1， 或 而定 . 由 经过简单的计算知，这个比值大于或小于 1， 或 而定 . 由 这就是说，当N增大时，序列P(X=k;N)先是上升 而后下降; 当N为小于 的最大整数时, 达到 最大值 . 故N的极大似然估计为 三、课堂练习 例1 设总体X的概率密度为 其中 是未知参数 , X1 , X2 , … , Xn 是取自 X 的样本, 求参数 的矩估计. 解 样本矩 总体矩 解得 的矩估计量为 故 解 由密度函数知 例 2 设X1,X2,…Xn是取自总体 X 的一个样本 其中 0 , 求 的矩估计. 具有均值为 的指数分布 即 E(X- ) = D(X- )= E(X)= D(X)= 故 解得 也就是 E(X)= D(X)= 的矩估计量为 于是 解 似然函数为 对数似然函数为 例3 设X1,X2,…Xn是取自总体X的一个样本 求 的最大似然估计值. 其中 0, 求导并令其为0 =0 从中解得 即为 的最大似然估计值 . 对数似然函数为 这一讲，我们介绍了参数点估计, 给出了寻求估计量最常用的矩法和极大似然法 . 参数点估计是用一个确定的值去估计未知的参数 . 看来似乎精确 ，实际上把握不大 . 四、小结 五、布置作业 概率论与数理统计标准化作业 (六) 第一节 参数的点估计 点估计概念 求估计量的方法 课堂练习 小结 布置作业 引言 上一讲，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 .  总体 样本 统计量 描述 作出推断 研究统计量的性质和评价一个统计推断的优良性，完全取决于其抽样分布的性质. 随机抽样  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 , 总体的分布函数为 F( x, ) ，其中 为未知参数 ( 可以是向量) . 参数估计 点估计 区间估计 （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