武汉科技大学理学院.pptVIP

武汉科技大学理学院 1 ? 点估计 第七章 参数估计 第一次课 § 1 点估计 问题的提法： 设总体 形式已知，θ是 待估参数。利用样本构造适当的统计量 武汉科技大学理学院 2 ~ ( , ), X F x F ? 1 ? ( , , ), n X X ? L 以 其观察值作为未知参数θ的近似 值，则称 为 θ 的估计 ，简记为 . 1 ? ( , , ) n X X ? L ? ? 主要问题： 如何构造合适的统计量？ 下面介绍两种常见的方法： 矩估计法 和 最大 似然估计法 . 武汉科技大学理学院 3 一、矩估计法 1 2 , , k X ? ? ? L 设 是总体 分布中的待估参数， 根据 辛钦大数定律，样本的各阶原点矩依概率收敛于 总体的对应阶的原点矩，故令 1 1 2 2 k k A A A ? ? ? ? ? ? ? ? ? ? ? ? ? M 1 1 ( ), 1, 2, n l l l l i i E X A X l k n ? ? ? ? ? ? L 其中 上述方程组包含 k 个未知参数 ，其解 1 2 , , k ? ? ? L 武汉科技大学理学院 4 1 2 ( , , , ), 1, 2, , i i k A A A i k ? ? ? ? L L 称为 的矩估计，记为 i ? ? , 1 ,2, . i i k ? ? L 例 设总体 X 在 (0, θ ) 上服从均匀分布， 1 , , n X X L 是来自总体的样本，求θ的矩估计。 解 1 2 EX ? ? ? ? 1 1 A ? ? 令 得 1 1 2 2 2 A A X ? ? ? ? ? ? 故 ? 2 X ? ? 武汉科技大学理学院 5 例 设总体 X 的期望、方差分别为 2 1 , , , , n X X ? ? L 是来自总体的样本，求 的矩估计。 2 , ? ? 解 1 2 2 2 2 2 ( ) EX EX DX EX ? ? ? ? ? ? ? ? ? ? ? ? 由 1 1 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 1 1 ? 1 1 1 ? ( ) n n i i i i A A A A A X n A A X X X X S n n n ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 武汉科技大学理学院 6 求矩估计的一般步骤： ⑴观察未知参数的个数 k ，算出 1 2 , , , . k ? ? ? L ⑵构造方程（组） , 1, 2, , i i A i k ? ? ? L ⑶解上述方程（组），其解即为未知参数的矩估 计。 常见情况 : k ＝ 1 ，解下列方程： EX X ? K=2 时，解下列方程组 1 2 2 EX A EX A ? ? ? ? ? 2 2 1 1 ( ) n i i EX X DX EX X n ? ? ? ? ? ? ? ? ? ? 即 武汉科技大学理学院 7 二、最大似然估计 1. 最大似然原理： 在一次试验中，有很多个事 件可能发生，结果事件 A 发生了，则有理由认 为 A 发生的概率最大。 例 一袋中装有红白两种球，共 100 个。其中一 种颜色的球 99 个，另一种颜色的 1 个，从中任取 一个是红球，试判断，哪种颜色的球为 99 个？ 分析 应判断为红色的球是 99 个，否则不符合最 大似然原理。 武汉科技大学理学院 8 2. 似然函数 { } ( , ), 1, 2, i i X P X x p x i ? ? ? ? L 设总体 的分布率为 1 2 , , n x x x L 是样本观察值，记 1 1 { , , } n n A X x X x ? ? ? L 则 1 1 1 1 1 ( ) { , , } { } { } ( , ) ( , ) ( ) n n n n n P A P X x X x P X x P X x p x p x L ? ? ? ? ? ? ? ? ? ? L L L A ( , ) X f x ? 若 是连续型，密度函数为 ( ) L ? 是参数θ的函数，表示事件 A 发生的概率 . 根据离散型 随机变量与连续型的对应关系： 1 2 ( ) ( , ) ( , ) ( , ) n L f x f x f x ? ? ? ? L A ( , ) ~ ( , ) i i p x f x ? ? 武汉科技大学理学院 9 定义 1 1 { }, ( ) ( , ), n i i n i i P X x X L f x X ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 当 为离散型 当 为连续型 称为总体 X 的似然函数。