02 第二节 点估计的常用方法
更新时间:2023-12-20 17:25:01 阅读量: 教育文库 文档下载
- 02年世界杯推荐度:
- 相关推荐
第二节 点估计的常用方法
内容分布图示
★ 矩估计法 ★ 求矩估计的方法
★ 例1 ★ 例2 ★ 例3 ★ 例4
★ 最大似然估计法
★ 求最大似然估计的一般方法
★ 例5 ★ 例6 ★ 例7 ★ 例8
★ 关于有k个未知参数的最大似然估计 ★ 内容小结 ★ 课堂练习
★ 习题6-2
内容要点:
一、矩估计法
矩估计法的基本思想是用样本矩估计总体矩. 因为由在数定理知, 当总体的k阶矩存在时,样本的k阶矩依概率收敛于总体的k阶矩.例如, 可用样本均值X作为总体均值E(X)的估计量, 一般地, 记
总体k阶矩 ?k?E(Xk);
样本k阶矩 Ak?1n?ni?1Xik;
总体k阶中心矩 Vk?E[X?E(X)]k; 样本k阶中心矩 Bk?1ni?(Xni?1?X).
k用相应的样本矩去估计总体矩的方法就称为矩估计法. 用矩估计法确定的估计量称为矩估计量. 相应的估计值称为据估计值. 矩估计量与矩估计值统称为矩估计. 求矩估计的方法:
设总体X的分布函数F(x;?1,?,?k)中含有k个未知参数?1,?,?k, 则
(1) 求总体X的前k阶矩?1,?,?k,一般都是这k个未知参数的函数, 记为
?i?gi(?1,?,?k),i?1,2,?,k (*) (2) 从(*)中解得 ?j?hj(?1,?,?k),计量:
??j?hj(A1,?,Ak),(I?1,2,???,k)。
j?1,2,?,k
(3) 再用?i(i?1,2,?,k)的估计量Ai分别代替上式中的?i,即可得?j(i?1,2,?,k)的矩估
j?1,2,?,k.
注:求V1,?,Vk,类似于上述步骤,最后用B1,???,Bk代替V1,?,Vk,求出矩估计??j
二、最大似然估计法
引例 某同学与一位猎人一起去打猎,一只野兔从前方窜过, 只听一声枪响, 野兔应声倒下, 试猜测是谁打中的?
由于只发一枪便打中,而猎人命中的概率一般大于这位同学命中的概率, 故一般会猜测这一枪是猎人射中的.
最大似然估计法的思想: 在已经得到实验结果的情况下, 应该寻找使这个结果出现的可能性最大的那个?作为?的估计??.
注: 最大似然估计法首先由德国数学家高斯于1821年提出, 英国统计学家费歇于1922年重新发现并作了进一步的研究.
下面分别就离散型总体和连续型总体情形作具体讨论. 离散型总体的情形: 设总体X的概率分布为
P{X?x}?p(x,?),其中?为未知参数.
如果X1,X2,?,Xn是取自总体X的样本,样本的观察值为x1,x2,?,xn,则样本的联合分布律
nP{X1?x1,,?,Xn?xn}??i?1p(xi,?),
对确定的样本观察值x1,x2,?,xn,它是未知参数?的函数,
n记为L(?)?L(x1,x2,?,xn,?)??f(xi,?),并称其为似然函数.
i?1连续型总体的情形: 设总体X的概率密度为f(x,?),其中?为未知参数,此时定义似然函数
nL(?)?L(x1,x2,?,xn,?)??i?1f(xi,?).
似然函数L(?)的值的大小意味着该样本值出现的可能性的大小, 在已得到样本值的情况下, 则应该选择使L(?)达到最大值的那个?作为?的估计??. 这种求点估
计的方法称为最大似然估计法.
定义 若对任意给定的样本值x1,x2,?,xn, 存在
x1,x2,?,xn?????(x1,x2,?,xn),
使 L(??)?maxL(?),
?则称?????(x1,x2,?,xn)为?的最大似然估计值.称相应的统计量??(X1,X2,?,Xn)为?最大似然估计量. 它们统称为?的最大似然估计(MLE).
三、求最大似然估计的一般方法
求未知参数?的最大似然估计问题, 归结为求似然函数L(?)的最大值点的问题. 当似然函数关于未知参数可微时, 可利用微分学中求最大值的方法求之. 其主要步骤:
(1) 写出似然函数L(?)?L(x1,x2,?,xn,?);
(2) 令
dL(?)d??0或
dlnL(?)d??0, 求出驻点;
注: 因函数lnL是L的单调增加函数,且函数lnL(?)与函数L(?)有相同的极值点,故常转化为求函数lnL(?)的最大值点较方便.
(3) 判断并求出最大值点, 在最大值点的表达式中, 用样本值代入就得参数的最大似然估计值.
注:(i) 当似然函数关于未知参数不可微时,只能按最大似然估计法的基本思想求出最大值点。
(ii) 上述方法易推广至多个未知参数的情形.
例题选讲:
矩估计法
例1(讲义例1)设总体X的概率密度为
???(??1)x,f(x)????0,0?x?1其它
其中?(???1),是未知数,X1,X2,?,Xn是取自X的样本, 求参数?的矩估计. 解
数学期望是一阶原点矩
?1?E(X)??10(??1)xdx?(??1)??1x??1dx???1??2,
0其样本矩为X???1??2, ??而?2X?11?X, 即为?的矩估计.
例2 设总体X在[a,b]上服从均匀分布,a,b未知. X1,X2,?,Xn是来自
X的样本, 试求a,b的矩估计量.
解
?1?E(X)?(a?b)/2,
?2?E(X)?D(X)?[E(X)]?(b?a)/12?(a?b)/4,
2222即 a?b?2?1,b?a?12(?2??12).
解得 a??1?3(?2??12),b??1?3(?2??12). 注意到
1n2i?Xni?1?X2?1ni?(Xni?1?X),2 以A1,A2代替?1,?2,到a,b的矩估计量分别为
??A1?a3(A2?2A1)?X??(Xni?13ni2?X),
??A?b13(A2?2A1)?X??(Xni?13ni?X).
2
例3(讲义例2)设总体X的均值?及方差?2都存在, 且有?又设X1,X2,?,Xn是来自X的样本. 试求?,?2的矩估计量.
解
?1?E(X)??, ?2?E(X)?D(X)?[E(X)]??2222?0,
但?,?2均为未知,
??,2
得到???1,?2??2??12.
以A1,A2代替?1,?2,得?和?的矩估计量分别为
??A1?X,???22?A2?A?211n2i?Xni?1?X2?1ni?(Xni?1ni?X).
2注: 本例表明, 总体均值与方差的矩估计量的表达式不因不同的总体公布而异. 如,
X~N(?,?),?,?22??X,???未知, 则?,?的矩估计量为?221?(Xni?1?X).
2
例4(讲义例3)设总体X的概率分布为
XPk122?(1??)3(1??)2?2
其中?为未知参数.现抽得一个样本x1?1,x2?2,x3?1,求?的矩估计值.
解 先求总体一阶原点矩
2E(X)?1???2?2?(1??)?3(1??)?3?2?,
2一阶样本矩x?13(1?2?1)?43,
43.
56,
由E(X)?x, 得3?2??推出???所以?的矩估计值???56.
最大似然估计法
例5 (讲义例4) 设X~b(1,p),X1,X2,?,Xn是取自总体X的一个样本,试求参数p的最大似然估计.
解
设x1,x2,?,xn是X1,X2,?Xn的一个样本值, X的分布律为
P{X?x}?p(1?p)nnnx1?x,x?0,1,
故似然函数为L(p)??pi?1xin??xi?xii?1?pi?1(1?p),
令
?lnL(p)???dp?dn?i?1?xi????p??n???n?i?1n?xi???(1?p)?0,
??解得p的最大似然估计值p1?xni?1i?x. ??从而p的最大似然估计值p1ni?Xni?1?X.
注: 这一估计量与矩估计量是相同的.
例6 设总体X服从[0,?]上的均匀分布, ?未知. X1,?,Xn为X的样本, x1,?,xn为样本值. 试求?的最大似然估计.
解
?1,?似然函数L(?)???n??0,0?x1,?,xn??其它.
因L(?)不可导, 可按最大似然法的基本思想确定??. 欲使L(?)最大, ?应尽量小但又不能太小, 它必须同时满足??xi(i?1,?,n), 即??max(x1,?xn), 否则L(?)?0, 而0不可能是L(?)的最大值.
因此,当??max{x1,?,xn}时, L(?)可达最大. 所以?的最大似然估计值与最大似然估计量分别为
???max{x1,?,xn},???max{X1,?,Xn}.
例7(讲义例5)设总体X服从指数分布, 其概率密度函数
??e??x,f(x,?)???0,x?0x?0
其中??0, 是未知参数. x1,x2,?,xn是来自总体X的样本观察值, 求参数?的最大似然估计值.
????xi?n似然函数L(x1,x2,?,xn;?)???ei?1,?0,?n解
xi?0 其它n??显然L(x1,x2,?xn;?)的最大值点一定是L1(x1,x2,?,xn;?)??nen?xii?1的最大值点, 对其
取对数lnL1(x1,x2,?,xn;?)?nln????xi
i?1由
dlnL1(x1,x2,?,xn;?)d??nn???i?1xi?0,
可得参数?的最大似然估计值???nn?i1x.
?xi?1
例8(讲义例6) 设x1,x2,?,xn是正态总体N(?,?2)的样本观察值, 其中?,?2是未知参数, 试求?和?2的最大似然估计值.
解
记似然函数L(x1,x2,?xn;?,?2)?L(?,?2),
n2则L(?,?)??i?1?????12???(xi??)2?22e??1???n2?n/2?(2?)(?)exp??????2???12?2nn2?i?1?2?(x1??)???
lnL(?,?)??nln22??n2ln?2?(xi?11??)2
?lnL???1n?2?(xi?1n4i??)?0,
?lnL??2?12??i?1(xi??)?2n2?2?0
??由此可得参数?和?的最大似然估计值为?21ni?xni?1i??x,?2?1ni?(xni?1?x)2
??最大似然估计量为?1ni?Xni?1??X,?2?1n?(Xni?1?X)2
与例3中的矩估计量相同.
课堂练习
1. 设总体X具有概率概率密度
??e??(x??),f(x,?,?)???0,x??x??
其中??0,?为未知参数. X1,X2,?,Xn是来自总体X的样本, 求?,?的矩估计量.
2. 设总体X在[a,b]上服从均匀分布,a,b未知,x1,x2,?,xn是一个样本值. 试求a,b的最大值似然估计量.
正在阅读:
02 第二节 点估计的常用方法12-20
专升本《计算机图形学与CAD技术》 - 试卷 - 答案04-11
放眼未来 立足课堂06-21
塑造企业文化的“三大纪律八项注意”(1)03-19
计算机组成原理同步练习册答案10-03
flash简单制作鼠标跟随文字教程02-09
2014-2015年度北师大实验中学高一上学期期末考试化学试题(含答案)12-20
景泰蓝的制作(公开课教案)01-25
- exercise2
- 铅锌矿详查地质设计 - 图文
- 厨余垃圾、餐厨垃圾堆肥系统设计方案
- 陈明珠开题报告
- 化工原理精选例题
- 政府形象宣传册营销案例
- 小学一至三年级语文阅读专项练习题
- 2014.民诉 期末考试 复习题
- 巅峰智业 - 做好顶层设计对建设城市的重要意义
- (三起)冀教版三年级英语上册Unit4 Lesson24练习题及答案
- 2017年实心轮胎现状及发展趋势分析(目录)
- 基于GIS的农用地定级技术研究定稿
- 2017-2022年中国医疗保健市场调查与市场前景预测报告(目录) - 图文
- 作业
- OFDM技术仿真(MATLAB代码) - 图文
- Android工程师笔试题及答案
- 生命密码联合密码
- 空间地上权若干法律问题探究
- 江苏学业水平测试《机械基础》模拟试题
- 选课走班实施方案
- 估计
- 常用
- 方法
- 02
- 2012年计算机一级考试高分必看知识点:Frontpage部分
- 青少年心理学测试题及答案
- 建筑施工与管理专科建筑制图基础期末上机考试题库
- 《企业会计准则第2号 - 长期股权投资》应用指南
- 江理交换技术实验指导书
- 计算机图形学课程设计
- 基础护理3练习题
- FANUC系统常见故障及处理方法
- 2015年注会会计基础班第四章
- 2018高考作文模拟金题精析(一)
- 12-13学年水资源规划及利用试题(2010级)A
- 西方文化概论复习题
- 税收公平原则包括横向公平和纵向公平两个层面
- 第二章 机械零件的强度
- 年广西专业技术人员继续教育公需科目创新与创业能力建设试题和答案精品
- 股东分红及退出机制确定(三种标准版方案)
- 两化融合比赛区域赛
- 扬州大学计算机硬件期末复习资料整理(含答案)
- 股份支付准则下巨额股权激励费用分析
- 城市社会学--城市危机