点估计量的求法.ppt

解 X 的似然函数为 例7(p47例2.13) 第31页，共47页，2022年，5月20日，7点14分，星期五 第32页，共47页，2022年，5月20日，7点14分，星期五 它们与相应的矩估计量相同. 第33页，共47页，2022年，5月20日，7点14分，星期五 关于点估计量的求法 第1页，共47页，2022年，5月20日，7点14分，星期五 一、矩估计法 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, 因此如何求得参数? 的估计量便是问题的关键所在. 常用构造估计量的方法: (三种) 1. 矩估计法 2. 最(极)大似然估计法. 3. 次序统计量估计法 第2页，共47页，2022年，5月20日，7点14分，星期五 1. 矩估计法 基本思想：用样本矩估计总体矩 . 理论依据: 或格列汶科定理 它是基于一种简单的“替换”思想建立起来的一种估计方法 . 是英国统计学家K.皮尔逊最早提出的 . 大数定律 第3页，共47页，2022年，5月20日，7点14分，星期五 记总体k阶原点矩为 样本k阶原点矩为 记总体k阶中心矩为 样本k阶中心矩为 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. 第4页，共47页，2022年，5月20日，7点14分，星期五 矩估计法的具体步骤: 设总体 X 的分布函数为 m个待估参数 (未知) 为来自总体X的简单随机样本. 第5页，共47页，2022年，5月20日，7点14分，星期五 矩估计量的观察值称为矩估计值. 注 第6页，共47页，2022年，5月20日，7点14分，星期五 解 根据矩估计法, 例1 第7页，共47页，2022年，5月20日，7点14分，星期五 解 例2 第8页，共47页，2022年，5月20日，7点14分，星期五 解方程组得到a, b的矩估计量分别为 第9页，共47页，2022年，5月20日，7点14分，星期五 解 解方程组得到矩估计量分别为 例3 第10页，共47页，2022年，5月20日，7点14分，星期五 上例表明: 总体均值与方差的矩估计量的表达式不因不同的总体分布而异. 一般地: 第11页，共47页，2022年，5月20日，7点14分，星期五 例4 设总体X的分布密度为 为来自总体X的样本. 求参数 ? 的矩估计量. 分析： 一般地， 只需要求： ? ? 的矩估计量. 第12页，共47页，2022年，5月20日，7点14分，星期五 不含有?， 故不能由此得到? 的矩估计量. 解(方法1) 要求： — ? 的矩估计量 第13页，共47页，2022年，5月20日，7点14分，星期五 (方法2) 要求： ? ? 的矩估计量： 注 此例表明：同一参数的矩估计量可不唯一. 第14页，共47页，2022年，5月20日，7点14分，星期五 例5(p43例2.9) 解 建立方程 第15页，共47页，2022年，5月20日，7点14分，星期五 求解方程可得 第16页，共47页，2022年，5月20日，7点14分，星期五 矩法的优点：简单易行, 并不需要事先 知道总体是什么分布 . 缺点：当总体类型已知时，没有 充分利用分布提供的信息. 一般场合下, 矩估计量不 具有唯一性 . 其主要原因在于建立矩法方程时，选取哪些总体矩用相应样本矩代替带有一定的随意性 . 小结： 第17页，共47页，2022年，5月20日，7点14分，星期五 二 、最大似然估计法 最大似然估计法是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家 高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于 英国统计学家Fisher . Fisher在1921年重新发现了 这一方法，并首先研究了这种方法的一些性质 . Fisher资料 第18页，共47页，2022年，5月20日，7点14分，星期五 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 1 最大似然法的基本思想 第19页，共47页，2022年，5月20日，7点14分，星期五 你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了最大似然法的