网站大量收购独家精品文档,联系QQ:2885784924

参数估计2课件.PPTVIP

参数估计2课件.PPT

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

例7.1.5.設X服從[0,λ]區間上的均勻分佈,參數λ0,求λ的最大似然估計.解:由題意得:無解.基本方法失效.考慮L的取值,要使L取值最大,λ應最小,取此時,L取值最大,所以,所求最大似然估計為應用最大似然估計基本思想:L越大,樣本觀察值越可能出現.例7.1.6設總體X~其中是未知參數.是來自總體的一個容量為n的s.r.s,求的最大似然估計.解:由題意得:當時,所求最大似然估計為同一個未知參數的矩估計量和最大似然估計量不一定一樣(如正態分佈的完全一樣,而均勻分佈的就不一樣).注意:2.(991)設總體的概率密度為是取自總體的s.r.s。求的矩估計量、矩估計量的方差及最大似然估計量。1.(971)設總體的概率密度為其中是未知參數.是來自總體的一個容量為n的s.r.s,求的矩估計量及極大似然估計量.練習:3.順序統計量法直觀解釋:用樣本中位數Me估計總體中位數.用樣本極差R估計總體標準差.注:當總體為連續型且分佈密度為對稱時,總體中位數即是總體的數學期望.定理:設X1,X2,…,Xn是來自正態總體N(?,?2)的樣本,Me是樣本中位數,則有可以看出,當n充分大時因此,可取例7.1.7.設某種燈泡壽命X~N(μ,σ2),隨機抽取7只燈泡測得壽命為(單位:小時)1575,1503,1346,1630,1575,1453,1950(1)用順序統計量法估計μ(1)用順序統計量法估計μ(2)用矩法及最大似然估計法估計μ解:(1)順序統計量的觀測值分別為1346,1453,1503,1575,1575,1630,1950所以(2)由前知注:(極差估計法)第7.2節估計量的評價標準容易明白,對同一個未知參數,採用不同的方法找到的點估計可能不同,那麼,自然要問:究竟是用哪一個更“好”些呢?這裏介紹三個評價標準.無偏性標準一:設為θ的一個點估計,若則稱為θ的一個無偏估計.注意:無偏估計不是唯一存在.標準二:有效性(方差最小性)設和是的兩個無偏估計,若

則稱比更有效如果若,θ,那麼稱為的偏差.則稱是θ的漸進無偏估計.例7.2.1驗證:是總體X方差的一個無偏估計;不是方差的無偏估計.解:=DX所以,S2為DX的無偏估計量.ES2=DX,故所以,不是DX的無偏估計量.例7.2.2.設X1,X2,X3為來自總體X的簡單隨機樣本,EX=μ,DX=σ2,驗證下列統計量哪個更有效.解:=EX=μ=DX/2=σ2/2同理為無偏估計量,更有效.是來自X的s.r.s,試證:為的無偏估計,且比更有效.例7.2.3設總體X的方差存在證明:樣本容量越大,樣本均值估計值越精確.注意例7.2.4設是參數θ的兩個互相獨立的無偏估計量,且,找出常數使也是θ的無偏估計,並使它在所有這種形狀的估計量中的方差最小.類似地,設是參數θ的兩個無偏估計量,的相關係數為ρ,可找出正數使也是θ的無偏估計,並使它在所有這種形狀的估計量中方差最小標準三:相合性(一致性)設統計量是未知參數的點估

計量,樣本容量為n,若對任意

,則稱為的相合

估計,又稱一致估計.相合性表明:當樣本容量充分大

文档评论(0)

157****3839 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档