极大似然估计法.
《概率论与数理统计》
极大似然思想
,,,,一般地说,事件与参数有关,取值不同,则也不同(若AP(A)
,,发生了,则认为此时的值就是的估计值(这就是极大似然思想(看A
一例子
:例,、设袋中装有许多黑、白球,不同颜色球的数量比为3:1,试设计一种方法,估计任取一球为黑球的概率P(
分析:易知P的值无非是1/4或3/4(为估计P的值,现从袋中有放回地任取3只球,用X
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示其中的黑球数,则(按极大似然X~b(3,P)
P估计思想,对的取值进行估计(
PX解:对的不同取值,取的概率可列表如下: k,0,1,2,3
X , , , ,
1272791P, 464646464
3927271P, 464646464
1,,k,0,1,4ˆ故根据极大似然思想即知:( P,,3,k,2,3,4,
P在上面的例子中,是分布中的参数,它只能取两个值:1/4或3/4,需要通过抽样来决定分布中参数究竟是1/4还是3/4(在给定了样本观测
P值后去计算该样本出现的概率,这一概率依赖于的值,为此需要用1/4、
P3/4分别去计算此概率,在相对比较之下,哪个概率大,则就最象那个(
二、似然函数与极大似然估计
1、离散分布场合:
,X设总体是离散型随机变量,其概率函数为p(x;,),其中是未知
XX,X,?,XX,X,?,X参数(设为取自总体的样本(的联合概率函12n12n
1
n
,数为,这里,是常量,是变量( X,X,?,Xp(X;,)12ni,i,1
若我们已知样本取的值是,则事件x,x,?,x12n
n
,发生的概率为(这一概率随的{X,x,X,x,?,X,x}p(x;,)1122nni,i,1
值而变化(从直观上来看,既然样本值出现了,它们出现的x,x,?,x12n
n
,概率相对来说应比较大,应使取比较大的值(换句话说,应p(x;,)i,i,1
,使样本值的出现具有最大的概率(将上式看作的函数,并用x,x,?,x12n
表示,就有: L(,)
n
(,) L,(),L(x,x,?,x;,),p(x;,)12,ni,1i
,,称为似然函数(极大似然估计法就是在参数的可能取值范围内,L(,)
ˆ,,,选取使达到最大的参数值,作为参数的估计值(即取,使L(,)
ˆL,(),L(x,x,?,x;,),maxL(x,x,?,x;,) (,) 12n12n,,,
,因此,求总体参数的极大似然估计值的问题就是求似然函数L(,)
,dL(),0的最大值问题(这可通过解下面的方程 (,) d,
,lnLLlnLL来解决(因为是的增函数,所以与在的同一值处取得最大值(我们称为对数似然函数(因此,常将方程(,)写成: l(,),lnL(,)
,dLln(),0 (,) d,
ˆ,,方程(,)称为似然方程(解方程(,)或(,)得到的就是参数的极大似然估计值(
2
如果方程(,)有唯一解,又能验证它是一个极大值点,则它必是所求的极大似然估计值(有时,直接用(,)式行不通,这时必须回到原始定义(,)进行求解(
,、连续分布场合:
设总体是连续离散型随机变量,其概率密度函数为,若取Xf(x;,)得样本观察值为,则因为随机点取值为x,x,?,x(X,X,?,X)12n12n
n
时联合密度函数值为(所以,按极大似然法,应(x,x,?,x)f(x;,)12n,ii,1
,选择的值使此概率达到最大(我们取似然函数为
n
,,再按前述方法求参数的极大似然估计值( L(,),f(x;,),i,1i
三、求极大似然估计的方法
1、可通过求导获得极大似然估计:
当函数关于参数可导时,常可通过求导方法来获得似然函数极大值对应的参数值(
例,、设某工序生产的产品的不合格率为p,抽个产品作检验,n
Tp发现有个不合格,试求的极大似然估计(
XXp分析:设是抽查一个产品时的不合格品个数,则服从参数为
X,X,?,X的二点分布(抽查个产品,则得样本,其观察值为nb(1,p)12n
TTx,x,?,xx,x,?,x,假如样本有个不合格,即表示中有个取值为12n12n
n,Tp,,个取值为,(按离散分布场合方法,求的极大似然估计(
n1,xxii解:(,)写出似然函数: L(p),p(1,P),,1i
L(p)l(p)(,)对取对数,得对数似然函数:
3
nn
l(p),[xlnp,(1,x)ln(1,p)],nln(1,p),x[lnp,ln(1,p)],,iii,1,1ii
(,)由于对的导数存在,故将对求导,令其为,,ppl(p)l(p)
nndl(p)n11n1得似然方程: ,,,x(,),,,x,0ii,,dp1,pp1,p1,pp(1,p)i,1i,1
n1(,)解似然方程得: ˆp,x,x,in,1i
2dl(p)(,)经验证,在时,,这表明可使似然函数ˆˆ,0p,xp,x2dp
达到最大
(,)上述过程对任一样本观测值都成立,故用样本代替观察值便
的极大似然估计为:ˆ 得pp,X
Tˆp,x,将观察值代入,可得的极大似然估计值为:,其中pn
n
( T,x,i,1i
LX若总体的分布中含有多个未知参数,,,,?,,时,似然函数是12k
L(,,?,,)这些参数的多元函数(代替方程(,),我们有方程组1k
,(lnL)ˆˆˆ,0(i,1,2,?,k),由这个方程组解得分别是参数,,?,,,,12k,,i
,,,,?,,的极大似然估计值( 12k
例,、设某机床加工的轴的直径与图纸规定的中心尺寸的偏差服从
222n,100,其中未知(为估计,从中随机抽取根轴,N(,,,),,,,,,
2x,x,?,x测得其偏差为(试求的极大似然估计( ,,,12100
分析:显然,该问题是求解含有多个(两个)未知参数的极大似然
4
2估计问题(通过建立关于未知参数的似然方程组,从而进行求解( ,,,
解:(,)写出似然函数:
n2,()x,i,2,()x,n1,iin,,,12222,22,2 L,(,,)e(2,,)e,,,2,,1i,
(,)写出对数似然函数:
2nn122 l(,,,),,ln(2,,),(x,,),i222,,i1
22(,)将分别对求偏导,并令它们都为,,得似然方,、,l(,,,)
2n,,,,l(,)12,,,,(x)0,i,2,,,,i,1程组为: ,2n,,,l(,)n12,,,,(x,,),0,i224,,22,,,i,1,
(,)解似然方程组得:
n122ˆˆ, ,,(x,x),,x,in,1i
22ˆˆ(,)经验证使达到极大, ,,,l(,,,)
(,)上述过程对一切样本观察值成立,故用样本代替观察值,便
2得的极大似然估计分别为: ,,,
n1222ˆˆ,( ,,(X,X),S,,X,inn,i1
,、不可通过求导方法获得极大似然估计:
当似然函数的非零区域与未知参数有关时,通常无法通过解似然方程来获得参数的极大似然估计,这时可从定义(,)出发直接求L(,)的极大值点(
XnU(0,,)例4、设总体服从均匀分布,从中获得容量为的样本
5
,,其观测值为,试求的极大似然估计( X,X,?,Xx,x,?,x12n12n
,分析:当写出其似然函数时,我们会发现的非零区域与有L(,)L(,)
,关,因而无法用求导方法来获得的极大似然估计,从而转向定义(,)直接求的极大值( L(,)
解:写出似然函数:
,n,,xx,,0,,,(1)(n) L(),,,0,其它场合,
,,为使达到极大,就必须使尽可能小,但是不能小于,因xL(,)(n),,而取时使达到极大,故的极大似然估计为: xL(,)(n)
ˆ( ,,X(n)
ˆ进一步,可讨论估计,的无偏性:
由于总体,其密度函数与分布函数分别为: X~U(0,,)
0,x0,,1,,x,,0,,x,ˆ,(),pxF(x),0x,,,,,从而,,X的概率密度函数,,,(n),,,0,其它,1,x,,,
n,1nyn,1p,n[F(y)]p(y),,0,y,,为: ˆn,,
n,,nynˆE()E(X)yp(y)dydy,,,,,,,, ˆ()nn,,,00n1,,
ˆˆ,,,,,X这说明的极大似然估计不是的无偏估计,但对作一修正可(n)
n,1ˆ,,,X得的无偏估计为:( 1(n)n
通过修正获得未知参数的无偏估计,这是一种常用的方法(在二次世界大战中,从战场上缴获的纳粹德国的枪支上都有一个编号,对最大编号作一修正便获得了德国生产能力的无偏估计(
6
综上,可得求极大似然估计值的一般步骤(
四、求极大似然估计的一般步骤
1、由总体分布导出样本的联合概率函数(或联合密度);
2、把样本联合概率函数(或联合密度)中自变量看成已知常数,而
,把参数看作自变量,得到似然函数; L(,)
3、求似然函数的最大值点(常转化为求对数似然函数的最L(,)l(,)大值点);
4、在最大值点的表达式中,用样本值代入就得参数的极大似然估计值(
五、极大似然估计的不变性
,求未知参数的某种函数的极大似然估计可用极大似然估计的g(,)
不变原则,证明从略(
ˆ,,定理(不变原则)设,是的极大似然估计,是的连续函数,g(,)
ˆ则的极大似然估计为( g(,)g(,)
,例5、设某元件失效时间服从参数为的指数分布,其密度函数为
,,x,,未知(现从中抽取了个元件测得其失效时间为nf(x;,),,e,x,0
,x,x,?,x,试求及平均寿命的极大似然估计( 12n
,X分析:可先求的极大似然估计,由于元件的平均寿命即为的期
1,E(X),望值,在指数分布场合,有,它是的函数,故可用极大似然,
估计的不变原则,求其极大似然估计(
nn,x,i,,xn,,1iiL(,),e,e解:(,)写出似然函数: ,,,1i,
n
(,)取对数得对数似然函数: l(,),nln,,,x,i,1i
7
n,dl()n,(,)将对求导得似然方程为: l(,),,x,0,i,,di,1
n1ˆ(,)解似然方程得: ,,,nxx,i,1i
ˆ经验证,能使达到最大,由于上述过程对一切样本观察值成,l(,)
1ˆ,立,故的极大似然估计为:; ,,X
根据极大似然估计的不变原则,元件的平均寿命的极大似然估计为:
1()EX,,X( ˆ,
五、小结
1、极大似然估计的思想;
2、求解未知参数极大似然估计的一般步骤;
3、极大似然估计的不变原则(
8
书中横卧着整个过去的灵魂——卡莱尔
人的影响短暂而微弱,书的影响则广泛而深远——普希金
人离开了书,如同离开空气一样不能生活——科洛廖夫
书不仅是生活,而且是现在、过去和未来文化生活的源泉 ——库法耶夫
书籍把我们引入最美好的社会,使我们认识各个时代的伟大智者———史美尔斯
书籍便是这种改造灵魂的工具。人类所需要的,是富有启发性的养料。而阅读,则正是这种养料———雨果