第七章　水文频率计算.pptVIP

第 七 章  水文频率计算 水文频率计算 §7－1 概述 §7－2 参数点估计的矩法和极大似然法 §7－3 P-Ⅲ型分布参数的估计 §7－4 估计量好坏的评判标准 §7－5 参数的区间估计 从前面的学习中可以看出，随机变量的分布函数常常含有一些参数，因此，如果只知道某一随机变量的分布函数的形式，而不知道其中的参数，仍然是无法计算概率的。 此外，在许多场合，即使不知道总体的分布函数，如果能知道它的数学期望、方差等数字特征，也就掌握了随机变量的主要统计特性了。如何根据随机变量的样本，采用适当的方法，对总体分布中的未知参数或数字特征作出估计，这就是参数估计问题。 参数估计有两种常用的形式，即点估计和区间估计 点估计 所谓点估计就是用一个具体的数值去估计一个 未知的参数。 参数的区间估计 所谓区间估计就是估计参数所在的区间，也就是说用 一 个区间估计未知参数。 §7－2 参数点估计的矩法和极大似然法 点估计的一般提法 参数点估计的矩法 参数点估计的极大似然法 点估计的一般提法 矩 法 用样本矩来估计总体矩，用样本矩的函数来估计总体矩的函数。 设总体的分布函数为F(x;u01, u02, …,u0l)，则X的k阶原点矩E(Xk)(或k阶中心距μk)是参数u01, u02, …,u0l的函数，记 vk= E(Xk)=gk(u01,…,u02,u0l) 从方程组 以后在不造成混淆的情况下，随机变量与普通变量不再严格按大小写作区分。 矩 法 例 题 例：设（X1,X2 , … , Xn )为总体X的一个样本，求总体的均值a , 及方差σ2的矩估计。 解：这题虽然未给出总体的分布，但并不妨碍问题的解决。因为我们知道 a= v1 σ2 = μ2 一阶原点矩： 二阶中心矩： 例：设总体X服从指数分布，其分布密度为 其中为 未知参数，现有X的一组样本值：0.17，0.05，0.15，0.06，0.28，0.05，试求的距估计量和矩估计值。 解：首先要找出未知参数 与总体分布的矩的关系。 已知 所以 按矩估计法， 的估计量 为 根据样本，求得 ， 所以 的估计值为 例：设总体X在[a,b]区间上服从均匀分布，求a,b的矩估计量。 解：X的分布密度为 因为: 由此可解得： 因此，a，b的矩估计量为 : 参数点估计的极大似然法 由经验可知，若某项试验有多种可能的结果，它们发生的概率各不相同，那么在一次试验之前，可以合理地认为发生概率最大的那个事件将要发生；反之，如果在一次试验中，某个事件发生了，那么认为在诸事件中，该事件发生的概率为最大也是合理的。极大似然法就是根据这样的经验提出的。通常把这种思想称为极大似然原理。 极大似然函数（连续型随机变量） 对于连续型的总体X，设它的密度函数为f (x； u01, u02, …,u0l )，其中u01, u02, …,u0l 为待估计的未知参数, X1,X2 , … , Xn 是X的样本，则 X1,X2 , … , Xn的联合密度为 ： 极大似然函数（离散型随机变量） 对于离散型的总体X，设它的分布律为 P（X=xi）=p(xi； u01, u02, …, u0l ) 极大似然法基本思想 极大似然法： 根据极大似然原理,应该认为作为n元随机变量的样本X1,X2 , … , Xn 的取值在（x1,x2 , … , xn ) 邻域内的概率较大，或者说X1,X2 , … , Xn取得x1,x2 , … , xn这一组数值的概率密度比它取得其他数值的概率密度要大。而这就等价于似然函数L在已知样本值x1,x2 , … , xn处的值比较大，而对似然函数而言 ，x1,x2 , … , xn 是常数，似然函数L是参数 的函数，因而可以