6.1点估计 极大似然估计 参数估计 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本,用某种方法对这 个未知参数进行估计就是参数估计. 例如,X~N( , 2), 若, 2未知, 通过构造样本的函数, 给出它们的估计值 或取值范围就是参数估计的内容. 点估计 区间估计 参数估计的类型 点估计 —— 估计未知参数的值 区间估计—— 估计未知参数的取值范围,并使此范围包 含未知参数真值的概率为给定的值. 注:F(x...
0,试求 的矩估计. ),( 2N例3:设X1,… ,Xn为取自 总体的样本,求参数 的矩估计。 2, 2 2 1 1 ˆ ˆ ( ) n i i X X X n ^ ^ 14. ~ ( , ) , , , , .nX U a b X X a b a b例 总体 , 是来自总体的样本 求 和 解: 21( ) ( ) ( ) 2 12 a b E X D X b a 2 2 1 2 ( ) 1 ( ) 12 n i i a b X b a X X n 2 1 2 1 3 ( ) 3 ( ) n i i n i i a X X X n b X X X n 极大似然估计最早是由高斯1821年提出的,但一般将之归功于 英国统计学家R.A.Fisher,因为R.A.Fisher在1922年再次提出 极大似然估计,并 证明 住所证明下载场所使用证明下载诊断证明下载住所证明下载爱问住所证明下载爱问 了极大似然估计的一些性质,使得极大 似然估计得到了广泛的应用。 极大似然思想 假如甲乙两人仅对目标各射击了一次,结果甲击中,而乙未 击中目标。请问谁的水平高? 有两个射手,一人的命中率为0.9,另一人的命中率为0.1, 现在他 们各向目标射击了一发,结果命中了一发,谁射中的? 甲的技术好于乙。这虽有片面性,但显然是合理的 又如一件事件A发生的概率为0.1或0.9,仅作一次试验, 结果事件A发生了,自然认为事件A发生的概率为0.9,而 不是0.1。基于上述基本思想,引入极大似然估计。 一般说,事件A发生的概率与参数有关, 取值不 同,则P(A)也不同。因而应记事件A发生的概率为P (A).若 A发生了,则认为此时的值应是在中使P (A)达到最大 的那一个。这就是极大似然思想. 发生的概率为 ( , )p x 若总体X是离散型随机变量,概率函数为 nXXX ,,, 21 为待估参数. 为来自总体的样本, nxxx ,,, 21 是样本的观察值, },,,{ 2211 nn xXxXxX 则事件 1 2 1 1 2 2 1 ( , , , ; ) , , , ( ; ) n n n n i i L L x x x p X x X x X x p x (1) 离散型随机变量 2. 连续型随机变量 若总体X是连续型的,其概率密度为 ( , ),f x ( ; )i if x x 的概率近似为 ,则 落在点 邻域内的概率近似为 1 ( ; ) n i i i f x x 取 1 2 1 ( ) ( , , , ; )= ( ; ) n n i i L L x x x f x nXXX ,,, 21 为未知参数. 为来自总体的样本, nxxx ,,, 21 是样本的观察值,则 落在 的邻域内 iX ix nXXX ,,, 21 n xxx ,,, 21 ( )ix 与 无关 是 1 2( )= ( , , , ; )nL L x x x 的函数,称 为样本的似然函数. ˆ( ) max ( )L L 由上面的讨论,在 k ,,, 21 取值的可能范围 内,应选择使概率 ( )L 达到最大的 作为 的估计, ( )L 这样得到的 ˆ 与样本值有关, 1 2 ˆ ˆ( , , , )nx x x 称为参数的极大似然估计(MLE), 相应的统计量为 1 2 ˆ ˆ( , , , )nX X X (1) 写出似然函数 n i in xfxxLL 1 1 );();,,()( (2)求对数似然函数 1 ( ) ln ( ) ln ( ; ) n i i l L f x (3) 列似然方程, 令 [ln ( )] 0 d L d 求极大似然估计的步骤 (4)求出 即为 1 ˆ ˆ ( , , )MLE MLE nX X 特别地,若似然函数中含有多个未知参数, 则可解方程组 1 2 ^ ln ln ln 0, 0, 0, , 1, , . k ii L L L MLE i k 得出 即为 1 2( , , , )kL L 例5.设X1,… ,Xn为取自参数为的泊松分布总体的样本 ,求的极大似然估计 解: n i i n x n i i xn i i x e e x xXPL n i i i 1 11 ! ! )()( 1 1 [ln ( )] 1 0 n i i d L x n d 1 1 ln ( ) ln ln( !) n n i i i i L x n x n i ix n 1 1 ˆ X 的极大似然估计。 2, 解: n i x n i i i e xfL 1 2 2 1 2 2 ),;(),( 2 2 ),( 2N例6:设X1,… ,Xn为取自 总体的样本,求参数 2 2 1 2 2 2 2 1 ),( i n i x n n eL 2 2 2 2 1 ln ( , ) ln(2 ) ln 2 2 2 n i i xn n L 令 2 2 1 2 2 2 2 4 1 ln ( , ) 1 ( ) 0 ln ( , ) 1 0 2 2 n i i n i i L x L n x 2 1 2 1 )( 1 , 1 n i i n i i xx n xx n 2 1 2 )( 1 , n i i XX n X 为 的极大似然估计. 2, 1 ( ; ) 1 , 0,1, x xP x p p p x 例7:设总体的概率分布为 若样本观测值为 ,求p的最大似然估计量 1 2, , , nx x x