概率论与数理统计第20讲汇.pptVIP

第一节 点估计 三、小结 第三节 估计量的评价标准 一、问题的提出 二、无偏性 三、有效性 五、小结 证 例3 则Y的分布函数为 故Y的概率密度函数为 由上例可知,同一个参数可以有不同的无偏估计量. 由于方差是随机变量取值与其数学期望的偏离程度, 所以无偏估计以方差小者为好. 证明 例4 (续例3) 四、相合性（一致性） 有时候不仅要求估计量有较小的方差，还希望当 样本容量n充分大时，估计量能在某种意义下收 敛于被估计参数，这就是所谓相合性 （或一致性）概念。 例： 一般地,样本的 阶原点矩 是总体 的 阶原点矩 的相合估计.由此可见,矩 估计往往是相合估计. 估计量的评选的三个标准 无偏估计 最小方差无偏估计 相合估计 相合性是对估计量的一个基本要求, 不具备相合性的估计量是不予以考虑的. 由最大似然估计法得到的估计量, 在一定条件下也具有相合性. 估计量的相合性只有当样本容量相当大时,才能显示出优越性, 这在实际中往往难以做到,因此,在工程中往往使用无偏性和有效性这两个标准. 一、点估计问题的提法 二、估计量的求法 三、小结 第七章 参数估计 二、最大似然估计法 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 . 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A,B,C,… 若在一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率最大。 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 下面我们再看一个例子,进一步体会最大似然法的基本思想 . 你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了最大似然法的基本思想 . 例：设甲箱中有99只红球，1只白球，乙箱中 有99只白球，1只红球，现随机地取一箱，从 中任取一球，结果是红球，问此球取自何箱？ 显然由于甲箱中取得红球的概率远大于乙箱中取得红球的概率，可以认为取自甲箱。这就是说所取得红球应属于有利于红球出现的箱内。 试验的条件应使A发生的概率最大，这是最大似然估计法的直观想法。 最大似然法原理： 最大似然法原理： 则 的联合概率密度为： 设 是来自X的样本， 最大似然法原理： -----对数似然方程 -----似然方程 -----对数似然方程组 -----似然方程组 求最大似然估计量的一般步骤为： 说明:若似然方程(组)无解，或似然函数不可导， 此法失效，改用其它方法. 解 似然函数 例1 这一估计量与矩估计量是相同的. 解： X 的似然函数为 例2 取对数得 它们与相应的矩估计量相同. 例3 X 的概率密度为： 分析： 似然函数为 但这不能说明不存在最大似然估计量，只是不能由似然方程组求解. 显然，似然方程组无解， 解 3、最大似然估计的性质： 两种求点估计的方法: 矩估计法 最大似然估计法 在统计问题中往往先使用最大似然估计法, 在最大似然估计法使用不方便时, 再用矩估计法. 一、问题的提出 二、无偏性 四、相合性 五、小结 三、有效性 从前一节可以看到, 对于同一个参数, 用不同的估计方法求出的估计量可能不相同,那么那一个估计量好？好坏的标准是什么? 下面介绍几个常用标准. 1、无偏性； 2、有效性； 3、相合性。 无偏估计的实际意义: 无系统误差. 无偏性是对估计量的一个常见而重要的要求 . 证 例1 特别地: 不论总体 X 服从什么分布, 只要它的数学期望存在, 证 例2 (这种方法称为无偏化).