概率论与数理统计_7.1_点估计与最大似然估计讲述.ppt

概率论与数理统计_7.1_点估计与最大似然估计讲述.ppt

  1. 1、本文档共29页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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)。
查看更多
概率论与数理统计_7.1_点估计与最大似然估计讲述

最大似然法:似然函数为: *兰州交通大学博文学院 *兰州交通大学博文学院 *兰州交通大学博文学院 第七章、参数估计 7.1、点估计与最大似然估计 7.2、估计量的评选标准 7.3、区间估计 7.1点估计与 最大似然估计 1、点估计的概念 2、矩估计法 3、最大似然估计法 在实际问题中,X的分布形式往往是已知的,但分布 中含有一个或几个未知的参数。问题是如何利用总体 的一个样本( X1 , X2 , … , Xn )给出参数的一个估计值, 这就是所谓的参数的点估计问题。先复习一个有关的 概念:矩 引言 总体矩 样本矩 E(X)=E(X1)= μ1称为一阶总体原点矩, E(X2)= μ2 称 二阶总体原点矩,· · · E(Xk)= μk 称为k阶总体原点矩。 同样地,D(X)=E(X-E(X))2 称为二阶总体中心矩, · · · ,E(X-E(X))k 称为k阶总体中心矩。 类似地,有k阶样本原点矩, 样本k阶中心矩: 一、点估计的概念: 1、定义7.1: 设总体 X 的分布函数为 F( x , θ ), 其中θ 为 未知参数 . 从总体 X 中抽取样本 X1 , X2 , … , Xn , 其观测值为 x1 , x2 , … , xn . 估计量和估计值统称为点估计 . 二、矩估计法: 1、矩估计法: 因很多分布中总体的数学期望与方差均是分布中 的参数或是参数的某个函数 , 于是就设想 令样本矩与总体矩相等, 再利用总体矩与 参数之间的关系, 导出参数的一个点估计 的方法, 称为矩估计法 .即用样本矩替代同阶的 总体矩。具体来讲用 2、矩估计法解题的主要步骤: 解方程组即得 未知 . X1 , X2 , … , Xn 是来自 X 的样本, 例1: 设总体 X 在[a , b]上服从均匀分布, a , b 解 本分布中含有两个未知参数, 故令 求a , b的矩估计量. 由于 X 在[a , b]上服从均匀分布, 所以 解方程组, 得 例2、设有一批同型号的灯管,其寿命(单位:h) 服从参数为λ的指数分布,今随机抽取其中11只,测 得其寿命数据如下: 110,184,145,122,165,143,78,129,62,130,168 (1)用矩估计法估计λ的值;(2)求总体的平均寿命 解:(1)、 三、最大似然估计: 1、设总体X为连续型随机变量,其密度函数为f(x, θ) 求(1):样本的联合密度; (2):θ的估计值。 (2)根据经验一次试验中概率大的事件比概率小 的事件容易发生。在已经得到试验结果的情况下, 应该寻求使这个结果出现的可能性最大的估计值作 为总体参数的估计值。 利用微积分中求极值的思想,只要令 这种点估计的方法称为最大似然法。 X为离散型时类似。 例3、 现有一批产品, 设 p 是产品的次品率, 现估 计 p 的值 . 为此作放回抽样, 共 10 次 . 若 10 次试验的结果是样本观测值 (x1 , x2 , … , xn) = (1, 0, 1, 0, 0, 0, 1, 0, 0, 0) , 则有 最大似然法的基本思想是在已经得到试验结果的 情况下, 寻找使这个结果出现的可能性最大的 值作为真 p 的估计 . 于是 设 ( X1 , X2 , … , Xn ) 为来自总体 X 的样本 , 1、若 X 为离散型随机变量, 其分布律为 X 的分布类型已知, 参数 θ 未知 . 则样本 ( X1 , X2 , … , Xn ) 的分布为 称 L(θ )为似然函数, 选择θ 使L(θ )达到最大 值的θ 值作为真θ 的估计 . 2、若 X 为连续型随机变量, ( X1 , X2 , … , Xn ) 的密度函数为 称 L(θ )为似然函数, 选择θ 使L(θ )达到最大 值的θ 值作为真θ 的估计 . 其密度函数为 f (x ;θ ), 则样本 这种点估计的方法称为最大似然法 . 例4、设总体 X~B(m , p), X1 , X2 , …, Xn 是 X 的一个样本, 求 p 的极大似然估计 . 解 由于 X~B(m , p), 有 作似然函数 例5、设总体 X~N(μ ,σ 2), 获得样本 X1 , X2 , …, Xn , 求 μ 及 σ 2 的极大似然估计 . 解 由于总体 X~N(μ ,σ 2), 作似然函数为 将似然函数关于 μ 及 σ 2 求偏导, 得 故 μ 及 σ 2 的极大似然估计值 估计值 . 其中θ-1是未知参数, 分别用矩估计法和最大似然估计法求 的估计量 *兰州交通大学博文学院 *兰州交通大学博文学院

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档