第十章点估计.ppt

例 证明 是? 的无偏、有效、相合估计量. 作业： 1, 2, 4, 5, 8, 10 第二节　估计方法 令 第二节　估计方法 求极大似然估计的一般步骤归纳如下： 第二节　估计方法 例8 设 是来自 的样本，求 极大似然估计 故似然函数为： 解：X的密度函数为： 所以对数似然函数为： 是极大似然估计量 第二节　估计方法 似然方程组为: 解方程组得: 注意：虽然求导函数是求极大似然估计量常用的方法，但并不是所有场合求导都是有效的，下面的例子说明例这个问题。 第二节　估计方法 例：设总体X服从几何分布P{X=x}=p(1-p)x-1,x=1,2… 其中p为未知参数，0<p<1，设X1,X2,…,Xn为X的一个样 本，求参数p的极大似然估计. 解：似然函数 对数似然函数 对数似然方程 解得 第二节　估计方法 例 设总体 ，a,b未知， 是一个 样本值，试求a,b 的最大似然估计量。 解：总体X密度函数为： 似然函数为： 要使L(θ)最大，只要b-a最小，由于 第二节　估计方法 似然函数取得最大值为： 故a,b的极大似然估计值为： 第二节　估计方法 故a,b的极大似然估计量为： 极大似然估计的性质 设θ的函数 具有单值反函数 又设 是X的概率分布中参数θ的极大似然估计，则 是 的极大似然估计。 第二节　估计方法(一班进度) 例9:设 是来自 上均匀分布的样本,θ>0未知,求θ得极大似然估计 解:总体X的密度函数为： 似然函数为： 因此只能求函数L(θ)得最大值点. 例 例 例 第二节　估计方法 解： 总体X服从参数为λ的指数分布，则有 所以似然函数为: 取对数 令 解得λ的极大似然估计值为 极大似然估计量为 第三节　点估计的优良性 对于同一个未知参数,不同的方法得到的估计量可能不 同,于是提出问题 应该选用哪一种估计量? 用何标准来评价一个估计量的好坏? 常用 标准 (1) 无偏性 (2) 有效性 (3) 相合性 设有总体分布f(x,θ), ,基于来自总体的样本 估计 , 是 的一个估计量,如对每一 ,都有 无偏性 定义 我们不可能要求每一次由样本得到的估计值与真值 都相等，但可以要求这些估计值的期望与真值相等. 定义的合理性 第三节　点估计的优良性 则称 是 的无偏估计. 第三节　点估计的优良性 例10 是总体均值μ的无偏估计；样本方差 不是总体方差 的无偏估计。 证明： 而 ,所以是有偏估计. 考虑：若使用修正样本方差 是不是无偏估计？ 第三节　点估计的优良性 例11 均匀分布R(0,θ)的参数θ的极大似然估计 但不是θ的无偏估计. 解: 第三节　点估计的优良性 故X(n)的密度函数 例 例 例4 设总体 X 的密度函数为 证 故 是? 的无偏估计量. 为常数 与 都是 θ 的无偏估计量. 证明 为 X 的一个样本 令 即 故n Z 是? 的无偏估计量. 第三节　点估计的优良 都是总体参数个g(?) 的无偏估计量, 且 则称 比 更有效. 定义 设 有效性 参数的无偏估计可以很多，如何在无偏估计中进行选择？直观的想法是希望该估计围绕参数真值的波动越小越好，波动大小可以用方差来衡量，因此人们常用无偏估计 的方差的大小来度量无偏估计优劣的标准，这就是有效性。 定义 第三节　点估计的优良 故得 例 设总体 X 的密度函数为 哪个估计更有效？ 为常数 与 都是 θ 的无偏估计量. 所以, 比 更有效. 解 ， 例6 设总体 X，且 E( X )=? , D( X )=? 2 为总体 X 的一个样本 证明 是 ? 的无偏估计量 (2) 证明 比 更有效 证 (1) (1) 设常数 (2) 而 结论 算术均值比加权均值更有效. 例如 X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本. 都是? 的无偏估计量 由上例知 最有效. 第三节　点估计的优良 我们知道，点估计