数学建模-数理统计总结.ppt

假设检验 假设检验的基本思想和方法 假设检验的一般步骤 假设检验的两类错误 单个正态总体参数的假设检验表 2. 极大似然法 它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 . Gauss Fisher 然而,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 . 极大似然法的基本思想 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 . 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极大似然法的基本思想 . 极大似然估计原理： 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本的联合密度(连续型）或联合分布律 (离散型)为 f (x1,x2,… ,xn ; ) . f (x1, x2 ,…, xn; ) 这里 x1, x2 ,…, xn 是样本的观察值 . 似然函数： 极大似然估计法就是用使 达到最大值的 去估计 . 称 为 的极大似然估计值 . 看作参数 的函数，它可作为 将以多大可 能产生样本值 x1, x2,… ,xn 的一种度量 . f (x1,x2,…, xn; ) 而相应的统计量 称为 的极大似然估计量 . 解：似然函数为 例2 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的极大似然估计. 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 用极大似然原则来求 . (4) 在最大值点的表达式中, 用样本值代入就得参数的极大似然估计值 . 求极大似然估计(MLE)的一般步骤是： (1) 由总体分布导出样本的联合分布率(或联合密度); (2) 把样本联合分布率 ( 或联合密度 ) 中自变 量看成已知常数,而把参数 看作自变量,得到似然 函数L( ); (3) 求似然函数L( ) 的最大值点(常常转化为求ln L( )的最大值点) ，即 的MLE; 一、 置信区间定义 满足 设 是 一个待估参数，给定 X1,X2,…Xn确定的两个统计量 则称区间 是 的置信水平（置信度 )为 的置信区间. 和 分别称为置信下限和置信上限. 若由样本 区间估计 这里有两个要求: 可见， 对参数 作区间估计，就是要设法找出两个 只依赖于样本的界限(构造统计量). 一旦有了样本，就把 估计在区间 内 . 可靠度与精度是一对矛盾，一般是 在保证可靠度的条件下尽可能提高 精度. 1. 要求 以很大的可能被包含在区间 内，就是说，概率 要尽可能大 . 即要求估计尽量可靠. 2. 估计的精度要尽可能的高. 如要求区间长度 尽可能短，或能体现该要求的其它准则. （一）均值 的区间估计 二、单个正态总体置信区间的求法 方差已知，对均值 的区间估计 1、 则所求均值 的 置信区间为 ~ N(0, 1) 选 的点估计为 , 求参数 的置信度为 的置信区间. 例1 设X1,…Xn是取自 的样本， 明确问题,是求什么 参数的置信区间? 置信水平是多少？ 寻找未知参 数的一个良 好估计. 解 寻找一个待估参数和 统计量的函数 ，要求 其分布为已知. 有了分布，就可以求出 U取值于任意区间的概率. 对给定的置信水平 查正态分布表得 对于给定的置信水平, 根据U的分布，确定一 个