《高等数学》17.1点估计.PPT

* * 解 似然函数为 例8 * * * * ---它们与相应的矩估计量相同. * * 解 例9 注2 当求导方法失效时, 可用其他方法, 例如考察其单调性等. * * 应用常规求导方法求最大值失效,改用其他方法. * * ---它们与相应的矩估计量不相同. * * 注3 如例8中, 最大似然估计的性质 * * 两种求点估计的方法: 矩估计法 最大似然估计法 在统计问题中往往先使用最大似然估计法, 在最大似然估计法使用不方便时, 再用矩估计法. 小 结 * * 解 (P158 3) * * 设总体 X 的概率密度为 其中? 0 未知, 从总体中抽取简单随机样本 (1) 求? 的矩估计； (2) 求所得估计量的期望与方差. * * * * * 第17章 参数估计 点估计 估计量的评选标准 区间估计 正态总体参数的区间估计 * * 什么是参数估计？ 参数是刻画总体某方面的概率特性的数量. 当这个数量是未知的时候，从总体抽出一个样本，用某种方法对这个未知参数进行估计就是参数估计. 例如，X ~N (? ,? 2). 若? ,? 2未知，通过构造样本的函数，给出它们的估计值或取值范围就是参数估计的内容. * * 参数估计的类型 点估计 — 估计未知参数的值. 区间估计 — 估计未知参数的取值范围， 使得这个范围包含未知参数 真值的概率为给定的值. * * §17.1 点估计 矩估计法 最大似然估计法 小结 练习 * * 设总体 X 的分布函数形式已知, 但它的一个或多个参数为未知, 借助于总体 X 的一个样本来估计总体未知参数的值的问题称为点估计问题. * * 点估计问题的一般提法 * * 解 例1 用样本均值来估计总体的均值 E(X). * * 由于估计量是样本的函数, 是随机变量, 故对不同的样本值, 得到的参数值往往不同, 如何求估计量是关键问题. 常用构造估计量的方法: (两种) 矩估计法 最大似然估计法 * * 17.1.1 矩估计法 * * (X为连续型) (X为离散型) * * 矩估计法的基本思想 用样本矩来估计总体矩, 用样本矩的连续函数来估计总体矩的连续函数, 这种估计法称为矩估计法. 矩估计法的步骤 矩估计量的观测值称为矩估计值. * * 解 根据矩估计法, 例2 * * 解 例3 * * 解方程组得到a, b的矩估计量分别为 * * 解 解方程组得到矩估计量分别为 例4 * * 上例表明: 无论总体服从什么分布，总体均值与方差的矩估计量的表达式相同. 注：若总体的各阶矩不存在，则不能用矩估计法来估计未知参数。另外，尽管矩估计法简便易行，且只要 n 充分大，估计的精确度也很高，但它只用到总体的数字特征的形式，而未用到总体的具体形式，损失了一部分很有用的信息，因此，在很多场合下显得粗糙和过于一般。 * * 有两个射手, 一人的命中率为0.9, 另一人的命中率为0.1, 现在他们中的一个向目标射击了一发, 结果命中了, 估计是谁射击的？ 一般说, 事件 A 发生的概率与参数? ?? 有关, ? 取值不同，则 P(A) 也不同. 因而应记事件 A 发生的概率为 P(A|? ). 若 A 发生了, 则认为此时的 ? 值应是在? 中使 P(A|? ) 达到最大的那一个. 这就是最大似然估计的直观思想. 17.1.2 最大似然估计法 (MLE) 1. 直观思想 * * 2. 似然函数与最大似然估计 * * 注： * * * * * * * * 3. 求最大似然估计量的步骤 可见求最大似然估计量的问题，即可归结为微分学中的求最大值问题了. * * 对数似 然方程 常用方法：取对数 * * 解 似然函数 例5 * * ---这一估计量与矩估计量是相同的. * * 解 例6 * * ---这一估计量与矩估计量是相同的. * * 例7 解 * * ---这一估计量与矩估计量是相同的. * * 最大似然估计法也适用于分布中含有多个未知参数的情况. 此时只需令 对数似然方程组 注1 *