008参数估计方法.pptVIP

因而表8.1中，缺失小区的估计值可由下式求出： 解上述方程，最小二乘估计值为：ye=65.6。 缺区估计是根据线性模型，以及最小二乘法的原理得到的。不过，试验中尽可能不要缺区，因为缺区估计尽管可以估计缺区的值，但是误差的自由度将减少，本试验的误差自由度将减少1。 一般地，若m个自变数x1、x2、x3、…、xm与依变数y存在统计模型关系 (8·9) 其中， 为待估参数。 通过n次观测(n＞k)得到n组含有x1i , x2i ,…xmi , yi ( i=1,2,…,n )的数据以估计 。其最小二乘估计值为使 (8·10) 为最小的 。这种估计方法称为参数估计的最小二乘法( least squares )，或最小平方法。 第四节 极大似然法 所谓极大似然法( maximum likelihood method )是值选择使事件发生概率最大的可能情况的参数估计方法。 极大似然法包括二个步骤： (1)建立包括有该参数估计量的似然函数( likelihood function ) (2)根据实验数据求出似然函数达极值时的参数估计量或估计值。 一、似然函数 对于离散型随机变量，似然函数是多个独立事件的概率函数的乘积，该乘积是概率函数值，它是关于总体参数的函数。 例如，一只大口袋里有红、白、黑3种球，采用复置抽样50次，得到红、白、黑3种球的个数分别为12，24，14，那么根据多项式的理论，可以建立似然函数为： 其中p1，p2，p3分别为口袋中红、白、黑3种球的概率(p3=1－p1－p2)，它们是需要估计的。 对于连续型随机变量，似然函数是每个独立随机观测值的概率密度函数的乘积，则似然函数为： (8·11) 若yi 服从正态分布 ，则 ，上式可变为： (8·12) 二、极大似然估计 所谓极大似然估计就是指使似然函数为最大以获得总体参数估计的方法。其中，所获得的估计总体参数的表达式称为极大似然估计量，由该估计量获得的总体参数的估计值称为总体参数的极大似然估计值。 为了计算上的方便，一般将似然函数取对数，称为对数似然函数，因为取对数后似然函数由乘积变为加式，其表达式为： (8·13) 求极大似然估计量可以通过令对数似然函数对总体参数的偏导数等于0来获得，即当 ，有 （k=1，2，…，l） (8·14) 由此获得总体参数的极大似然估计量。 [例8.6] 设y1 , y2 , … , yn是正态总体 的随机样本，求正态分布 参数的极大似然估计量。 似然函数为： 取对数，得： 那么似然方程组为： 解得： 因此，正态分布总体平均数的极大似然估计量为： 当总体平均值为未知时，方差估计量为: 当总体平均值为已知时，方差估计量为: [例8.7] 求红、白、黑球事例中p1，p2，p3的极大似然估计值。 由 可获得对数似然函数 其中，C为常数。 分别求 对p1，p2的偏导数，并令为0，得似然方程组： 联立求解，得： 显然，极大似然估计值 等于其观测频率。 [例8.8] 两个亲本的基因型分别为AABB和aabb，这两个亲本杂交后F2出现了4种基因型，分别为A_B_、A_bb、aaB_和aabb，得到四种基因型的个数分别为c、d、e、f，已知AA和BB两对基因间存在连锁关系，现欲估计重组率？ 设重组率为r，根据遗传学推导，可以得到4种基因型的概率见表8.2。 表8.2 F2群体基因型的分离情况 基 因 型 A_B_ A_bb aaB_ aabb 总数 观察得到基因型个数 c(289) d(26) e(29) f(76) n(420) 概 率 1 首先，通过表8.3介绍由两对连锁主基因控制的F2群体16种基因型的概率计算出4种表现型的概率(表8.2)。 配子 及概率 AB (1－r)/2 Ab r/2 aB r/2 ab (1－r)/2 AB (1－r)/2 AA