极大似然估计课件.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
极大似然估计课件

小 结 1. 矩法估计量与极大似然估计量不一定相同; 2. “ ” “ ” 极大似然估计 极大似然估计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 ,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 . 极大似然原理 在一次试验中,概率大的事件比概率小的事件容易发生。 极大似然法的基本思想 某位同学与一位猎人一起外出打猎 ,一只野兔从前方窜过 ,只听一声枪响,野兔应声倒下 。 是谁打中的呢? 如果要你推测, 你会如何想呢? 基本思想: 若事件Ai 发生了, 则认为事件Ai在这n个可能结果 中出现的概率最大。 极大似然估计就是在一次抽样中,若得到观测值 则选取 若一试验有n个可能结果 现做一试验, 作为θ的估计值。 使得当 时,样本出现的概率最大。 一个箱子里装有黑、白球共9个,我们从中随机地无放回地抽取三个球,发现恰有2个黑球,请猜一下(估计)箱子里有几个黑球,几个白球. 这是典型的“黑箱”问题.可以这样来分析、推断: 随机所以能取得“二个黑球一个白球”这是由箱中球的状况决定的.我们就从这个“信息”出发. 箱中球的状况 能取得二个黑球一个白球的 (所有可能情形) 可能性大小 黑球数 白球数 1. 1 8 2 . 2 7 3. 3 6 4. 4 5 5. 5 4 6. 6 3 7. 7 2 8. 8 1 9. 9 0 10. 0 9 比较这些概率的大小 ,我们可以推断箱中黑球数最有可能是6个(显然,这个推断不是绝对正确的)。 这是一种新的逻辑推理方法:根据概率最大,推断 “事情”发生的原因是什么。 极大似然估计法: 设 是 的一个样本值 事件 发生的概率为 为 的函数, 形式已知 (如离散型) X的分布列为 的联合分布列为: 为样本的似然函数。 即取 使得: 与 有关, 记为 称为参数θ的极大似然估计值。 称为参数θ的极大似然估计量。 达到最大的参数 作为θ的估计值。 现从中挑选使概率 样本的似然函数 若总体X属连续型, 其概率密度 的形式已知, θ为 待估参数; 则 的联合密度: 一般, 关于θ可微,故θ可由下式求得: 例: 故似然函数为 设 是来自总体X的一 个样本, 试求参数 p 的极大似然估计值. 解:设 是一个样本值。 X的分布列为: 而 令 解得 p的极大似然估计值 p的极大似然估计量 令 解得 求极大似然估计的一般步骤: 注:lnx 是 x 的严格单增函数,lnL 与L有相同的极大值,一般只需求lnL 的极大值. 写出似然函数 2. 对似然函数取对数 3. 对?i (i =1,…, m)分别求偏导,建立似然方程(组) 解得 分别为 的极大估计值. “ ” “ ”

文档评论(0)

l215322 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档