概率论与数理统计课件71.pptVIP

第7章　参数估计 在实际问题中, 当所研究的总体分布类型已知, 但分布中含有一个或多个未知参数时, 如何根据样本来估计未知参数, 这就是参数估计问题. 参数估计问题分为点估计问题与区间估计问题两类. 所谓点估计就是用某一个函数值作为总体未知参数的估计量; 区间估计就是对于未知参数给出一个范围, 并且在一定可靠度下使这个范围包含未知参数的真值. 参数估计问题的一般提法设有一个总体X, 总体的分布函数为F(x,q), 其中q为未知参数(q可以是向量). 现从该总体中随机地抽样, 得到一个样本 X1,X2,…,Xn,再依据该样本对参数q作出估计, 或估计参数q的某已知函数g(q). 二, 评价估计量的标准估计量的评价一般有三条标准:(1) 无偏性; (2) 有效性; (3) 相合性(一致性) 三, 最大似然估计法引例 某同学与一位猎人一起去打猎, 一只野兔从前方窜过, 只听一声枪响, 野兔应声倒下, 试猜测是谁打中的?由于只发一枪便打中, 而猎人命中的概率大于这位同学命中的概率, 故一般会猜测这一枪是猎人射中的. 1. 最大似然估计法的思想: 在已经得到实验结果的情况下, 应该寻找使这个结果出现的可能性最大的那个q值作为q的估计注: 最大似然估计法首先由德国数学家高斯于1821年提出, 英国统计学家费歇于1922年重新发现并作了进一步的研究.下面分别就离散型总体和连续型总体情形作具体讨论. (1) 离散型总体 的情形: 设总体X的概率分布为 P{X=x}=p(X,q), (q为未知参数).如果X1,X2,…,Xn是取自总体X的样本, 样本的观察值为x1,x2,…,xn,则样本的联合分布律 (2) 连续型总体 的情形: 设总体X的概率密度为f(x,q), 其中q为未知参数, 此时定义似然函数 2. 求最大似然估计的一般方法求未知参数q的最大似然估计问题, 归结为求似然函数L(q)的最大值点的问题. 当似然函数关于未知参数可微时, 可利用微分学中求最大值的方法求之. 注: 因函数lnL是L的单调增加函数, 且函数lnL(q)与函数L(q)有相同的极值点, 故常转化为求函数lnL(q)的最大值点较方便.注: ①当似然函数关于未知函数不可微时, 只能按最大似然估计法的基本思想求出最大值点.②上述方法易推广至多个未知参数的情形. 例 设X~b(1,p), X1,X2,…,Xn是取自总体X的一个样本. 试求参数p的最大似然估计.解 设x1,x2,…,xn是相应于样本X1,X2,…,Xn的一个样本值, X的分布律为 P{X=x}=px(1-p)1-x, x=0,1.故似然函数为 令 例 设总体X服从[0,q]上的均匀分布, q未知. X1,…,Xn为X的样本, x1,…,xn为样本值. 试求q的最大似然估计.解 似然函数为 欲使L(q)最大, q应尽量小但又不能太小, 它必须同时满足 q?xi, i=1,…,n,否则L(q)=0, 而0不可能是L(q)的最大值. 因此 例 设总体X服从指数分布, 概率密度为 解 似然函数 对其取对数得 例 设x1,x2,…,xn是正态总体N(m,s2)的样本观察值, 其中m,s2是未知参数, 试求m和s2的最大似然估计值.解 似然函数 由 得m和s2的最大似然估计值为 作业 习题7-1 P153  5.（2） 8. 由 得 最大似然估计量为 * * 一. 点估计的概念 注：如果 是q的无偏估计量，g(q)是q的函数， 未必能推出 是g(q)的无偏估计量。 例 设总体X~N(0,s2), X1,X2,…,Xn是来自这一总体 的样本，证明 是s2的无偏估计。 例 设X1,…,Xn为来自总体X的样本， 均为总体均值 的无偏估计量，问哪一个更有效？ 例 设总体X～N(m,s2), X1,…,Xn为其样本. 证明方差S2是s2的相合估计量. 在给定观察值的情况下, 它是q的函数, 记为 称其为似然函数. 显然无法从L(q)=0得到最大似然估计. 我们考虑直接按最大似然法的基本思想来确定. 是最大似然估计值和估计量. l是未知参数. x1,x2,…,xn是来自总体X的一个样本观察值, 求参数l的最大似然估计值. 则L的最大值点一定是 的最大值点. * * *