参数估计方法课件.pptVIP

一、似然函數對於離散型隨機變數，似然函數是多個獨立事件的概率函數的乘積，該乘積是概率函數值，它是關於總體參數的函數。例如，一只大口袋裏有紅、白、黑3種球，採用複置抽樣50次，得到紅、白、黑3種球的個數分別為12，24，14，那麼根據多項式的理論，可以建立似然函數為：其中p1，p2，p3分別為口袋中紅、白、黑3種球的概率(p3=1－p1－p2)，它們是需要估計的。對於連續型隨機變數，似然函數是每個獨立隨機觀測值的概率密度函數的乘積，則似然函數為：(8·11)若yi服從正態分佈，則，上式可變為：(8·12)二、極大似然估計所謂極大似然估計就是指使似然函數為最大以獲得總體參數估計的方法。其中，所獲得的估計總體參數的運算式稱為極大似然估計量，由該估計量獲得的總體參數的估計值稱為總體參數的極大似然估計值。為了計算上的方便，一般將似然函數取對數，稱為對數似然函數，因為取對數後似然函數由乘積變為加式，其運算式為：(8·13)求極大似然估計量可以通過令對數似然函數對總體參數的偏導數等於0來獲得，即當，有（k=1，2，…，l）(8·14)由此獲得總體參數的極大似然估計量。[例8.6]設y1,y2,…,yn是正態總體的隨機樣本，求正態分佈參數的極大似然估計量。似然函數為：取對數，得：參數估計方法第一節農業科學中的主要參數及其估計量的評選標準一、農業科學中的主要參數(1)總體數量特徵值參數，例如，用平均數來估計品種的產量，用平均數差數來估計施肥等處理的效應；(2)在揭示變數間的相互關係方面，用相關係數來描述2個變數間的線性關係；用回歸係數、偏回歸係數等來描述原因變數變化所引起的結果變數的平均變化的數量，用通徑係數來描述成分性狀對目標性狀的貢獻程度等。農業科學研究中需要估計的參數是多種多樣的，主要包括:二、參數估計量的評選標準(一)數學期望樣本平均數的平均數就是一種數學期望。例如，一個大豆品種的含油量為20%，測定一次可能是大於20%，再測定可能小於20%，大量反復測定後平均結果為20%，這時20%便可看作為該大豆品種含油量的數學期望，而每單獨測定一次所獲的值只是1個隨機變數。抽象地，隨機變數的數字特徵是指隨機變數的數學期望值。對於離散型(間斷性)隨機變數y的分佈列為：P{y=yi}=pi，其中，i=1，2，…，那麼隨機變數y的數學期望E(y)為：(8·1)這樣可以求得總體平均值。對於連續型隨機變數y的數學期望E(y)為：(8·2)其中f(y)為隨機變數y的概率密度函數，這樣可以求得總體均值。用D(y)表示方差，有D(y)=E[y－E(y)]2(8·3)這就是隨機變數函數的數學期望。同理，離散型隨機變數方差的數學期望為：(8·4)連續型隨機變數方差的數學期望為：(8·5)數學期望有這樣一些常用的性質：(1)常數的數學期望為常數本身；(2)隨機變數與常數的乘積的數學期望是常數與隨機變數的數學期望的乘積；(3)多個隨機變數分別與常數的乘積的求和函數的數學期望是常數與多個隨機變數的數學期望的乘積的和；(4)多個相互獨立的隨機變數的乘積的數學期望是多個隨機變數的數學期望的乘積。(二)參數估計量的評選標準評價估計量優劣的標準主要有無偏性、有效性、相合性等(1)無偏性參數估計量的期望值與參數真值是相等的，這種性質稱為無偏性，具有無偏性的估計量稱為無偏估計量。例如，在抽樣分佈中已經介紹了離均差平方和除以自由度得到的均方的平均數等於總體方差，即該均方的數學期望等於相應總體參數方差，這就是說該均方估計量是無偏的。估計量的數學期望值在樣本容量趨近於無窮大時與參數的真值相等的性質稱為漸進無偏性，具有漸進無偏性的估計量稱為漸進無偏估計量。(2)有效性無偏性表示估計值是在真值周圍波動的一個數值，即無偏性表示估計值與真值間平均差異為0，近似可以用估計值作為真值的一個代表。同一個參數可以有許多無偏估計量，但不同估計量的期望方差不同，也就是估計量在真值周圍的波動大小不同。估計量的期望方差越大說明用其估計值代表