概率論與數(shù)理統(tǒng)計(jì)概率統(tǒng)計(jì)chapt7_第1頁
概率論與數(shù)理統(tǒng)計(jì)概率統(tǒng)計(jì)chapt7_第2頁
概率論與數(shù)理統(tǒng)計(jì)概率統(tǒng)計(jì)chapt7_第3頁
概率論與數(shù)理統(tǒng)計(jì)概率統(tǒng)計(jì)chapt7_第4頁
概率論與數(shù)理統(tǒng)計(jì)概率統(tǒng)計(jì)chapt7_第5頁
已閱讀5頁,還剩41頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、一、矩估計(jì)法第二節(jié) 點(diǎn)估計(jì)的求法 二、極大似然估計(jì)法一. 矩估計(jì)法理論依據(jù):記總體k階矩為樣本k階矩為 (辛欽大數(shù)定律及其推論)則樣本 k 階矩 依概率收斂于總體 k 階矩 . 方法:出待估參數(shù).用樣本 k 階矩估計(jì)總體 k 階矩 建立含有待估參數(shù)的方程, 從而解樣本 X1, X2, Xn的前 k 階矩記為步驟:設(shè)總體的分布函數(shù)的形式已知,待估參數(shù)為總體的前 k 階矩存在.(1)求出總體的前 k 階矩,一般是這 k 個(gè)參數(shù)的函函數(shù),記為:7-12(3)解此方程組 , 得 k 個(gè)統(tǒng)計(jì)量: 稱為未知參數(shù) 1, ,k 的矩估計(jì)量這是含未知參數(shù) 1,2, ,k 的k個(gè)方程構(gòu)成的方程組,(2)令7-12

2、代入樣本值,得 k 個(gè)數(shù):稱為未知參數(shù) 1, ,k 的矩估計(jì)值例1.設(shè)總體 X B( m, p), 其中p 未知, X1, X2, Xn為總體的樣本, 求p 的矩估計(jì)量.解:令7-13得總體矩樣本矩例2.設(shè)總體X的概率密度為解:X1, , Xn為樣本,求參數(shù) 的矩估計(jì).令得總體矩樣本矩 例3.設(shè)X1,X2,Xn是取自總體X的一個(gè)樣本其中0, 求,的矩估計(jì).解:令解得用樣本矩估計(jì)總體矩由課文本節(jié)例1知:不論總體為何分布,總體均值的矩估計(jì)量總是總體方差的矩估計(jì)量總是例4.設(shè)從某燈泡廠某天生產(chǎn)的燈泡中隨機(jī)抽取10只燈泡,測得其壽命為(單位:小時(shí))1050, 1100, 1080, 1120, 120

3、0,1250, 1040, 1130, 1300, 1200,試用矩法估計(jì)該廠這天生產(chǎn)的燈泡的平均壽命及壽命分布的方差.解:7-14 二、 極大似然估計(jì)法 即:在一次試驗(yàn)中,概率最大的事件最有可能發(fā)生.引例: 有兩個(gè)外形相同的箱子,各裝100個(gè)球,一箱中取得的球是白球.問: 所取的球來自哪一箱?答: 第一箱.中有99個(gè)白球1個(gè)紅球,一箱中有1個(gè)白球99個(gè)紅球?,F(xiàn)從兩箱中任取一箱, 并從箱中任取一球,結(jié)果所 一般說,若事件A發(fā)生的概率與參數(shù)有關(guān), 取值不同,P(A)也不同。則應(yīng)記事件A發(fā)生的概率為P(A| ).若一次試驗(yàn),事件A發(fā)生了,可認(rèn)為此時(shí)的 值應(yīng)是在中使P(A| ) 達(dá)到最大的那一個(gè)。這

4、就是極大似然原理.(極大似然原理)極大似然估計(jì)法的理論依據(jù):X1,X2,Xn是取自總體X的樣本,x1 , x2 , xn是樣本值.則樣本的聯(lián)合分布律為:似然函數(shù):其中為未知待估參數(shù),1. X是離散型總體,其分布律為: 記2. X是連續(xù)型總體,其概率密度為 為其樣本的似然函數(shù).則稱稱為樣本的似然函數(shù).似然函數(shù)的值的大小實(shí)質(zhì)上反映的是該樣本值出現(xiàn)的可能性大小.極大似然估計(jì)的方法:對于給定的樣本值x1 , x2 , ,xn ,選取使得其似然函數(shù)達(dá)到最大值。即求使得7-22稱為未知參數(shù) 1, ,k 的極大似然估計(jì)值這樣得到的估計(jì)值對應(yīng)的統(tǒng)計(jì)量稱為未知參數(shù)1,k 的 極大似然估計(jì)量(1) 由總體分布和所

5、給樣本,求得似然函數(shù)步驟:(2) 求似然函數(shù)的對數(shù)函數(shù)函數(shù)(化積商為和差,而和同時(shí)取得最大值)(3) 解方程組LLLLLLL7-12 (4) 得未知參數(shù)1, ,k的極大似然估計(jì)值及其對應(yīng)的極大似然估計(jì)量7-12 若待估參數(shù)只有一個(gè),則似然函數(shù)是一元函數(shù)L(),此時(shí),只須將上述步驟中求偏導(dǎo)改為求導(dǎo)即可。說明:例5. 設(shè)總體X 服從參數(shù)為的泊松分布,求參數(shù)的極大似然估計(jì)量解:的樣本,樣本觀察值為由X 服從泊松分布,得X的分布律為為從總體X中隨機(jī)抽取設(shè)似然函數(shù)為兩邊取對數(shù),得=0得對求導(dǎo),并令其為0,所以參數(shù)的極大似然估計(jì)量為:,其中 0總體X 的樣本值,求參數(shù)的極大似然估計(jì)值.例6. 設(shè)總體X的概

6、率密度為為待估參數(shù),a0是已知常數(shù),是取自解: 兩邊取對數(shù),得對求導(dǎo),并令其為0,得這就是的極大似然估計(jì)值. 其中 是未知參數(shù),3,1,3,0,3,1,2,3,是來自總體X的樣本觀察值,求參數(shù)的極大似然估計(jì)值.例7. 設(shè)總體X的分布律解:兩邊取對數(shù),得對求導(dǎo),并令其為0,=0得和因?yàn)椴缓项}意,所以的極大似然估計(jì)值為 1.可證明極大似然估計(jì)具有下述性質(zhì): 設(shè)的函數(shù)g=g()是 上的實(shí)值函數(shù),且有唯一反函數(shù) . 如果 是的極大似然估計(jì),則g( )也是g( )的極大似然估計(jì).關(guān)于極大似然估計(jì)的兩點(diǎn)說明:此性質(zhì)稱為極大似然估計(jì)的不變性例8. 設(shè)X1 X2 , ,Xn為取自參數(shù)為的指數(shù)分布總體的樣本,a

7、0為一給定實(shí)數(shù)。求p=PXa的極大似然估計(jì)解:概率密度和分布函數(shù)分別為由總體X服從參數(shù)為的指數(shù)分布知, X 的兩邊取對數(shù),得對求導(dǎo),并令其為0,得的極大似然估計(jì)值為 因?yàn)樗?,p=PXa的極大似然估計(jì)值為2、當(dāng)似然函數(shù)不是可微函數(shù)時(shí),須用極大似然原理來求待估參數(shù)的極大似然估計(jì).例9. 設(shè) X U (a,b), x1, x2, xn 是 X 的一個(gè)樣本值, 求 a , b 的極大似然估計(jì)值與極大似然估計(jì)量.解:由X U (a,b)知,X 的密度函數(shù)為似然函數(shù)為似然函數(shù)只有當(dāng) a xi b, i = 1,2, n 時(shí)才能獲得最大值, 且 a 越大, b 越小, L(a,b) 越大.令xmin = min x1, x2, xnxmax = max x1, x2, xn取則對滿足的一切 a b , 都有故是 a , b 的極大似然估計(jì)值.分別是 a , b 的極大似然估計(jì)量.,其中為待估參數(shù),是取自總體X 的樣本值,例10. 設(shè)總體X的概率密度為的矩估計(jì)值和極大似然估計(jì)值. 求參數(shù)解:令得的矩估計(jì)值:(1)矩估計(jì)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論