概率统计课件点估计的求法.pptVIP

解： 两边取对数，得 对θ求导，并令其为0， =0 得 和 因为 不合题意， 所以θ的极大似然估计值为 1.可证明极大似然估计具有下述性质： 设θ的函数g=g(θ)是 上的实值函数,且有唯一反函数 . 如果 是θ的极大似然估计，则g( )也是g(θ )的极大似然估计. 关于极大似然估计的两点说明： 此性质称为极大似然估计的不变性 例8. 设X1 X2 ，… ，Xn为取自参数为θ的指数分布总体的样本，a0为一给定实数。求p=P{Xa}的极大似然估计 解： 概率密度和分布函数分别为 由总体X服从参数为θ的指数分布知， X 的 两边取对数，得 对θ求导，并令其为0， 得θ的极大似然估计值为 因为 所以，p=P{Xa}的极大似然估计值为 2、当似然函数不是可微函数时，须用极大似然原理来求待估参数的极大似然估计. 例9. 设 X ~ U (a,b), x1, x2,…, xn 是 X 的一个样本值, 求 a , b 的极大似然估计值与极大似然估计量. 解： 由X ~ U (a,b)知，X 的密度函数为 似然函数为 似然函数只有当 a xi b, i = 1,2,…, n 时才能获得最大值, 且 a 越大, b 越小, L（a，b） 越大. 令 xmin = min {x1, x2,…, xn} xmax = max {x1, x2,…, xn} 取 则对满足 的一切 a b , 都有 故 是 a , b 的极大似然估计值. 分别是 a , b 的极大似然估计量. ，其中 为待估参数， 是取自总体X 的样本值， 例10. 设总体X的概率密度为 的矩估计值和极大似然估计值. 求参数 解： 令 得θ的矩估计值： （1）矩估计 两边取对数，得 （2）极大似然估计 得θ的极大似然估计值： 对θ求导，并令其为0， 通过例10可见，对同一个待估参数，用不同的方法进行点估计，可能得到不同的估计量.这样就有必要判断哪一个估计量更好，这就是下一节要讲的内容： 评价估计量优良性的标准 一、矩估计法 第二节 点估计的求法 二、极大似然估计法 一. 矩估计法 理论依据： 记总体k阶矩为 样本k阶矩为 （辛钦大数定律及其推论） 则样本 k 阶矩 依概率收敛于总体 k 阶矩 . 方法： 出待估参数. 用样本 k 阶矩 估计总体 k 阶矩 建立含有待估参数的方程, 从而解 样本 X1, X2,…, Xn的前 k 阶矩记为 步骤： 设总体的分布函数的形式已知，待估参数为 总体的前 k 阶矩存在. （1）求出总体的前 k 阶矩，一般是这 k 个参数的函 函数,记为： 7-12 （3）解此方程组 , 得 k 个统计量： 称为未知参数 ?1, ?,?k 的矩估计量 这是含未知参数 ?1,?2, ?,?k 的k个方程构成的方程组， （2）令 7-12 代入样本值，得 k 个数: 称为未知参数 ?1, ?,?k 的矩估计值 例1.设总体 X ~ B( m, p), 其中p 未知， X1, X2,…, Xn为总体的样本, 求p 的矩估计量. 解： 令 7-13 得 总体矩 样本矩 例2.设总体X的概率密度为 解： X1， … ， Xn为样本，求参数? 的矩估计. 令 得 总体矩 样本矩 例3.设X1,X2,…Xn是取自总体X的一个样本 其中θ0, 求θ，μ的矩估计. 解: 令 解得 用样本矩估计 总体矩 由课文本节例1知： 不论总体为何分布，总体均值的矩估计量总是 总体方差的矩估计量总是 例4.设从某灯泡厂某天生产的灯泡中随机 抽取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方差. 解： 7-14 二、 极大似然估计法 即：在一次试验中，概率最大的事件最有可能发生. 引例: 有两个外形相同的箱子,各装100个球，一箱中 取得的球是白球.问: 所取的球来自哪一箱？ 答: 第一箱. 中有99个白球1个红球，一箱中有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 一般说，若事件A发生的概率与参数???有关，? 取值不同，P(A)也不同。则应记事件A发生的概率为P(A|? ).若一次试验，事件A发生了，可认为此时的? 值应是在?中使P(A|? ) 达到最大的那一个。这就是极大似然原理. （极大似然原理） 极大似然估计法的理论依据： X1,X2,…Xn是取自总体X的样本，x1 ,