第五章03极大然估计.pptVIP

概率论与数理统计—第五章 河南财经学院 石永生 第五章 参数估计 第二节 最大似然估计 大家平常有这样的概念：概率较大的事件很容易发生；而已经发生的随机事件，其概率一般认为应该较大而不应较小。 例如：①事件A的概率P可能是0.01或0.09，在一次试验中A发生了，人们自然会认为P(A)应较大,即p=0.09(估计)； ②两射击手各射击一次，有一人击中，认为击中的比没击中的射击技术较好，这是合理的。 ③又如一个老猎人带一新猎手去打猎，发现一只野兔，他们各打一枪，野兔应声倒地，但只有一人击中，人们一般认为这是老猎人打中的。 常用分布的最大似然估计 第二节 最大似然估计 基本思想：我们就让已经发生的事实(结果)概率达到最大，由此对参数q作出估计，求得估计量. 把样本代表的结果理解为已经发生的事件，要让它的概率达到最大。由此求得的q的估计量 称为最大似然估计量。 基本方法、步骤(3步)： 1. 首先要建立似然函数 2. 建立似然方程(组) 3. 解似然方程(组),得出q的最大似然估计量 第二节 最大似然估计 1. 首先要建立似然函数 ①若总体X为离散型随机变量，概率函数为 P{X=x}=P(x,q) 则样本(X1,X2,…,Xn)中P{Xi=xi}=P(xi,q)， 样本的联合概率为L(x1,x2,…,xn，q)= 称为q的似然函数 ②若总体X为连续型随机变量，有密度函数f(x,q) 则样本(X1,X2,…,Xn)中Xi~f(xi,q)， 样本的联合密度为L(x1,x2,…,xn ，q)= 也称为q的似然函数 第二节 最大似然估计 定义5.4 若似然函数L(X1,X2,…,Xn ，q)在 时达到最大,则称 为q的最大似然估计量。 即要找似然函数L(q)的最大值点。而L(q)与lnL(q)极值点相同，因此只须对lnL(q)化简并求出极值点(最值点)即可。 第二节 最大似然估计 3. 解似然方程或方程组 常用分布的最大似然估计 常用分布的最大似然估计 常用分布的最大似然估计 常用分布的最大似然估计 常用分布的最大似然估计 课堂练习 设总体X~U[a,b]，求a,b的最大似然估计量。 解 密度函数为 第五章 参数估计 第三节 矩估计 作业 习题五 P264—P267 B：1、2、3、6、7、9 * * * * 第一节 点估计 第二节 最大似然估计 第三节 矩估计 第四节 正态总体参数的区间估计 第五节* 比率的区间估计 home 1. “0—1”分布 p 1-p P 1 0 X P{X=k}=pk(1-p)1-k ， k=0,1 P{X=x}=px(1-p)1-x ， x=0,1 由样本 (x1,x2,…,xn) 求 解：似然函数为 L(x1,x2,…,xn，p)= 令 即 解得 解出的q的取值记作 即为参数q的最大似然估计量. 即 若q=(q1,q2,…,qk)，须解得 2. 建立(对数)似然方程(组) 即令 若q=(q1,q2,…,qk) 则须令 home 1. “0—1”分布 p 1-p P 1 0 X P{X=k}=pk(1-p)1-k ， k=0,1 P{X=x}=px(1-p)1-x ， x=0,1 由样本 (x1,x2,…,xn) 求 解：似然函数为 L(x1,x2,…,xn，p)= 令 即 解得 home next back 2. 泊松分布 概率函数为P{x, l} 其中x=0,1,2,…,l0 由样本(x1,x2,…,xn)求 解：似然函数为 L(x1,x2,…,xn，l)= 令 解得 注意EX=l， 是l的无偏估计、有效估计、一致估计。 home next back 3. 指数分布 密度函数为f(x, l)=le-lx 其中x0,l0 由样本(x1, x2,…,xn)求 解：似然函数为 L(x1, x2,…,xn，l)= 令 解得 注意EX=1/l， 不是l的无偏估计。 4. 正态分布 X~N(m,s2)的密度函数为 解：似然函数为 L(x1,x2,…,xn，m,s2) 由 解得 注意： 是m的无偏估计。 而sn2不是s2的无偏估计。 home next back f(x, m,s2) 由样本(x1,x2,…,xn)求 由样本(x1, x2, …,xn)求 home next back 5. 均匀分布 X~U[0,q]的密度函数为 解：似然函数为 L(x1, x2,…,xn，q) 似然方程无解，应考虑边界点 由于0≤ x1, x2, …,xn≤q 所以q ≥Max{x1, x2, …,xn} 在q的取值范围内，q越小,L(q)就越大，当q=Max{x1, x2,…,xn}时，L(q)最大。 =Ma