矩估计和极大似然估计PPT幻灯片.ppt

设总体X的分布列为： 是来自总体X的样本，求 p 的极大 解： 似然函数为 似然估计值。 例2 令 即 所以参数 的极大似然估计量为 解 例3 设 X1, X2, …, Xn 是取自总体X 的一个样本, ，求参数λ的极大似然估计值。 似然函数为: 例4 设 未知， 是一个样本值 求 的极大似然估计量. 解 设 的概率密度为： 似然函数为 等价于 因为 对于满足 的任意 有 即 时,取最大值 在 似然函数为 故 的极大似然估计值为: 故 的极大似然估计量为: 即 时,取最大值 在 似然函数为 今取得一组样本Xk数据如下，问如何估计θ？ 16 29 50 68 100 130 140 270 280 340 410 450 520 620 190 210 800 1100 某电子管的使用寿命 X （单位：小时) 服从指数分布 例5 指数分布的点估计 分析 可用两种方法：矩法估计 和极大似然估计. 1）矩法估计 2）极大似然估计 构造似然函数 当xi0,（i=1,2, …,n) 时，似然函数为 取对数 建立似然方程 5. 得极大似然估计量： 求解得极大似然估计值 似然函数为： 例6 设 为未知参数， 是来自X的一个样本值，求 的极大似然估计值。 解： X的概率密度为： 解得： 令 即： 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. 求极大似然估计的一般步骤： 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. 例7 矩估计与似然估计不等的例子 设总体概率密度为 求参数θ的极大似然估计, 并用矩法估计θ. 解 1) 极大似然估计法 构造似然函数 2. 取对数： 当 0xi1, (i=1,2, …,n) 时 2. 取对数： 当 0 xi 1, (i=1,2, …,n) 时 建立似然方程 求解得极大似然估计值为 5. 极大似然估计 量为 2) 矩估计法 1. 矩法估计量与极大似然估计量不一定相同； 2. 用矩法估计参数比较简单,但有信息量损失； 3. 极大似然估计法精度较高,但运算较复杂； 4. 不是所有极大似然估计法都需要建立似然方程 小 结 求解. 解 例6. 不合格品率的矩法估计 分析 设总体X 即抽一件产品的不合格产品数，相当于抽取了一组样本X1，X2，… ，Xn , 且 因 p=EX, 故 p 的矩估计量为 设某车间生产一批产品，为估计该批产品不合格品率，抽取了n件产品进行检查. (即出现不合格产品的频率). 不合格品率p 的估计 设 总体X是抽一件产品的不合格品数，记 p= P{X=1}=P{产品不合格} 则 X的分布列可表示为 现得到X的一组样本X1，X2，…,Xn的实际观 察值为 x1, x2, …,xn , 则事件 {X1=x1，X2=x2，…,Xn=xn} 例7 出现的可能性应最大, 其概率为 应选取使L(p) 达到最大的值作为参数 p 的估计. 令 解得 （频率值） 注意到 其中θ＞0，μ与θ是未知参数，X1，X2，…,Xn， 解 设总体X的概率密度为 是X 的一组样本，求μ与 θ的矩估计量. 例8 令 注意到 DX=E(X2)－[E(X)]2=θ2 =θ2+(θ+μ)2 例 9 均匀分布的极大似然估计 设样本X1，X2，… ，Xn来自在区间[ 0 , ? ] 上均匀分布的总体X , 求? 的极大似然估计. 解 设x1, x2 ,…, xn是X1, X2, …, Xn的样本值， 似然函数为 # 如图所示，似然函数L 在 取到最大值，故θ的极大似然估计量为 注 意： 该似然函数不能通过求导构造似然方程. 尝试用其他方法求解！ 分析 θ的估计应满足： 2. θ的值不能小于任何一个xi. 1. θ的值尽可能小； * 二、极大似然估计法 一 、矩法估计 第七章 参数估计 三、估计量的评选标准 四、置信区间 参数估计 参数估计问题是利用从总体抽样得到的信息 估计湖中鱼数 … … 估计平均降雨量 来估计总体的某些参数或者参数的某些函数。 统计推断：参数估计和假设检验。 参数估计要解决问题: 总体分布函数的形式为已知, 需要确定未知参数。 但其中参数θ 未知时， 这类问题称为参数估计问题。 只有当参数θ 确定后， 才能通过率密度函数计算概率。 对于未知参数， 如何应用样本 所提供的信息去对其一个或多个