概率论与数理统计 7
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
极大似然估计法是费歇(R. A. Fisher)在1912年提出来的,是一 种重要的点估计方法,所求的估计量有许多优良性质。下面先介绍 似然函数的概念。
1.似然函数
定义3 设总体X的分布律或概率密度为 f (x; ) ,=(1, 2, …, k)是
未知参数,X1, X2, …, Xn是总体X的样本,则称X1, X2, …, Xn的联合分布 律或概率密度函数
矩估计量。
解 已知总体X的E(X)和D(X)均存在且有限,即E( X ) ,D( X ) 2
现设X1, X2, …, Xn为总体X的样本,根据式(7-1)可得
解方程得
E(X )
1 n
n i 1
Xi
X
;
E(X
2)
2
2
ቤተ መጻሕፍቲ ባይዱ
1 n
n i 1
X
2 i
.
ˆ
1 n
n i 1
Xi
X,
ˆ 2
1 n
n i 1
由定义可知,求参数的极大似然估计问题,其实就是求似然函数 L的最大值问题.一般情况下,似然函数L的最大值点的一阶偏导数 为零,但直接对似然函数L求偏导,计算量比较大.我们知道,ln x 是x的单调上升函数,因此,ln L与L有相同的最大值点,故只需求ln L的最大值点即可.因此,求极大似然估计量的一般步骤如下:
(1)根据总体X的分布律或概率密度f(x; ),由式(7-2)得出似然
x2, …, xn是样本观察值,假设X的1~k阶原点矩都存在,则有
i E( X i ) i (1 ,2 ,L ,k ) (i 1,2 ,L ,k)
取样本的i阶原点矩Ai作为总体i阶原点矩i的估计量,即
ˆi
Ai
1 n
n
X
i j
j 1
(7-1)
得方程组 解得
i (1 ,2 ,L ,k ) ˆi ˆi ˆi ( X1 ,X 2 ,L ,X n )
称 ˆi 为i的矩法估计量,简称矩估计。
例1
设总体X具有概率密度
fX
(x)
2
2
(
x)
,0
x
;
参数未知,
0 ,
其他 ,
X1, X2, …, Xn是来自X的样本,求的矩法估计量。
解 总体X的数学期望为
E(X )
0
2
x
2
(
x)dx
3
由式(7-1),令
E(X )
1 n
n i 1
Xi
X
可得的矩法估计量为
因为
9 27 64 64
这就意味着使X=2的样本来自 p 3 比 p 1 可能性要大。
4
4
故认为白球所占的比例是 3 4
2.极大似然估计法
定义4 如果样本似然函数 L(1 ,2 ,L ,k ) 在 i (x1 ,x2 ,L ,xn ) (i 1,2 ,L ,k) 处达到最大值,则称ˆi (x1 ,x2 ,L ,xn ) (i 1,2 ,L ,k) 为参数i的极大似然估计值,而称相应的统计量 ˆi ( X1 ,X 2 ,L ,X n )为 参数i的极大似然估计量.
估计值。
在不至于混淆的情况下,统称估计量和估计值为估计。
一、矩估计法
样本取自总体,根据大数定律,样本矩在一定程度上反映了总体矩 的特征,因而很自然想到用样本矩来估计与之相应的总体矩,由此得 到的参数估计称为矩估计法。
矩估计是一种简单、直观的估计方法,是由统计学家皮尔逊在19世 纪末引进的。
定义2 设总体X的分布函数为 F(x ,1 ,2 ,L ,,k ) 若,其中,1, 2, …, k是待估计的k个未知参数,X1, X2, …, Xn是来自总体X的n个样本,x1,
解 设白球所占的比例为p,则 p 1 或 3 44
又设X为任取3个球中所含白球的个数,则 X ~ B(3,p)
所以 P( X 2) C32 p2 (1 p) 3 p2 (1 p)
于是,当 p 1 4
P( X 2) 9 64
当
p3
4
P( X 2) 27 64
例4 设在一个箱子中装有若干个白色和黄色乒乓球,且已知两种球 的数目之比为1∶3,但不知是白球多还是黄球多.现从中有放回地任取 3个球,发现有两个白球.问:白球所占的比例是多少?
序言
数理统计的基本问题就是根据样本所提供的信息,对总体的分布或分布 的数字特征等做出统计推断。本章所要探讨的是这样一类问题,即在总体所 服从的分布类型已知的条件下,估计某些未知的参数,如数学期望、方差 等.这类问题称为参数估计。参数估计的方式有两种,一种是参数的值估计 (点估计),另一种是参数的范围估计(区间估计).对于这类问题,关键 是构造合理的方法将这些未知参数估计出来。
ˆ 3X
例2 设总体X~B(m, p) ,其中m已知,求p的矩估计量。
解 由二项分布的性质可知 E( X ) mp
设X1, X2, …, Xn为总体X的样本,根据式(7-1)可得
E ( X
)
mp
1 n
n i 1
Xi
X
解方程得p的矩估计量为 pˆ X m
例2 设总体X~N(, 2) ,其中, 2是未知参数.试求, 2的
n
L(x1 ,x2 ,L ; ) f (xi ; ) i 1
为样本的似然函数,简记为L()。
(7-1)
提示
① 当总体X为离散型随机变量时,f(x; )为X的分布律P(x; ); ② 当总体X为连续型随机变量时,f(x; )为X的概率密度。
例4 设在一个箱子中装有若干个白色和黄色乒乓球,且已知两种球 的数目之比为1∶3,但不知是白球多还是黄球多.现从中有放回地任取 3个球,发现有两个白球.问:白球所占的比例是多少?
01
点估计
用一个数值来估计某个参数,这种估计就是点估计。例如,要考察 某城市拥有汽车的家庭所占的比例,抽查了1 000个家庭,然后估计出 这个比例值为0.28,这个值就是“比例”这个未知数的点估计。
定义1 设为总体X的待估计参数,用样本X1, X2, …, Xn的一个统计 量 ˆ ˆ (X1, X2, …, Xn) 来估计,则称ˆ( X1 ,X 2 ,L ,X n ) 是的一个点 估计量,对应于样本观测值x1, x2, …, xn,称 ˆ( X1 ,X 2 ,L ,X n ) 为的点
X
2 i
2
X
1 n
n i 1
(Xi
X )2
n 1S 2 n
二、极大似然估计法
在随机试验中,许多事件都有可能发生,概率大的事件发生的可 能性也大,若在一次试验中,某事件A发生了,则有理由认为事件A 比其他事件发生的概率大,这就是所谓的极大似然原理,极大似然 估计法就是依据这一原理得到的一种参数估计方法。
1.似然函数
定义3 设总体X的分布律或概率密度为 f (x; ) ,=(1, 2, …, k)是
未知参数,X1, X2, …, Xn是总体X的样本,则称X1, X2, …, Xn的联合分布 律或概率密度函数
矩估计量。
解 已知总体X的E(X)和D(X)均存在且有限,即E( X ) ,D( X ) 2
现设X1, X2, …, Xn为总体X的样本,根据式(7-1)可得
解方程得
E(X )
1 n
n i 1
Xi
X
;
E(X
2)
2
2
ቤተ መጻሕፍቲ ባይዱ
1 n
n i 1
X
2 i
.
ˆ
1 n
n i 1
Xi
X,
ˆ 2
1 n
n i 1
由定义可知,求参数的极大似然估计问题,其实就是求似然函数 L的最大值问题.一般情况下,似然函数L的最大值点的一阶偏导数 为零,但直接对似然函数L求偏导,计算量比较大.我们知道,ln x 是x的单调上升函数,因此,ln L与L有相同的最大值点,故只需求ln L的最大值点即可.因此,求极大似然估计量的一般步骤如下:
(1)根据总体X的分布律或概率密度f(x; ),由式(7-2)得出似然
x2, …, xn是样本观察值,假设X的1~k阶原点矩都存在,则有
i E( X i ) i (1 ,2 ,L ,k ) (i 1,2 ,L ,k)
取样本的i阶原点矩Ai作为总体i阶原点矩i的估计量,即
ˆi
Ai
1 n
n
X
i j
j 1
(7-1)
得方程组 解得
i (1 ,2 ,L ,k ) ˆi ˆi ˆi ( X1 ,X 2 ,L ,X n )
称 ˆi 为i的矩法估计量,简称矩估计。
例1
设总体X具有概率密度
fX
(x)
2
2
(
x)
,0
x
;
参数未知,
0 ,
其他 ,
X1, X2, …, Xn是来自X的样本,求的矩法估计量。
解 总体X的数学期望为
E(X )
0
2
x
2
(
x)dx
3
由式(7-1),令
E(X )
1 n
n i 1
Xi
X
可得的矩法估计量为
因为
9 27 64 64
这就意味着使X=2的样本来自 p 3 比 p 1 可能性要大。
4
4
故认为白球所占的比例是 3 4
2.极大似然估计法
定义4 如果样本似然函数 L(1 ,2 ,L ,k ) 在 i (x1 ,x2 ,L ,xn ) (i 1,2 ,L ,k) 处达到最大值,则称ˆi (x1 ,x2 ,L ,xn ) (i 1,2 ,L ,k) 为参数i的极大似然估计值,而称相应的统计量 ˆi ( X1 ,X 2 ,L ,X n )为 参数i的极大似然估计量.
估计值。
在不至于混淆的情况下,统称估计量和估计值为估计。
一、矩估计法
样本取自总体,根据大数定律,样本矩在一定程度上反映了总体矩 的特征,因而很自然想到用样本矩来估计与之相应的总体矩,由此得 到的参数估计称为矩估计法。
矩估计是一种简单、直观的估计方法,是由统计学家皮尔逊在19世 纪末引进的。
定义2 设总体X的分布函数为 F(x ,1 ,2 ,L ,,k ) 若,其中,1, 2, …, k是待估计的k个未知参数,X1, X2, …, Xn是来自总体X的n个样本,x1,
解 设白球所占的比例为p,则 p 1 或 3 44
又设X为任取3个球中所含白球的个数,则 X ~ B(3,p)
所以 P( X 2) C32 p2 (1 p) 3 p2 (1 p)
于是,当 p 1 4
P( X 2) 9 64
当
p3
4
P( X 2) 27 64
例4 设在一个箱子中装有若干个白色和黄色乒乓球,且已知两种球 的数目之比为1∶3,但不知是白球多还是黄球多.现从中有放回地任取 3个球,发现有两个白球.问:白球所占的比例是多少?
序言
数理统计的基本问题就是根据样本所提供的信息,对总体的分布或分布 的数字特征等做出统计推断。本章所要探讨的是这样一类问题,即在总体所 服从的分布类型已知的条件下,估计某些未知的参数,如数学期望、方差 等.这类问题称为参数估计。参数估计的方式有两种,一种是参数的值估计 (点估计),另一种是参数的范围估计(区间估计).对于这类问题,关键 是构造合理的方法将这些未知参数估计出来。
ˆ 3X
例2 设总体X~B(m, p) ,其中m已知,求p的矩估计量。
解 由二项分布的性质可知 E( X ) mp
设X1, X2, …, Xn为总体X的样本,根据式(7-1)可得
E ( X
)
mp
1 n
n i 1
Xi
X
解方程得p的矩估计量为 pˆ X m
例2 设总体X~N(, 2) ,其中, 2是未知参数.试求, 2的
n
L(x1 ,x2 ,L ; ) f (xi ; ) i 1
为样本的似然函数,简记为L()。
(7-1)
提示
① 当总体X为离散型随机变量时,f(x; )为X的分布律P(x; ); ② 当总体X为连续型随机变量时,f(x; )为X的概率密度。
例4 设在一个箱子中装有若干个白色和黄色乒乓球,且已知两种球 的数目之比为1∶3,但不知是白球多还是黄球多.现从中有放回地任取 3个球,发现有两个白球.问:白球所占的比例是多少?
01
点估计
用一个数值来估计某个参数,这种估计就是点估计。例如,要考察 某城市拥有汽车的家庭所占的比例,抽查了1 000个家庭,然后估计出 这个比例值为0.28,这个值就是“比例”这个未知数的点估计。
定义1 设为总体X的待估计参数,用样本X1, X2, …, Xn的一个统计 量 ˆ ˆ (X1, X2, …, Xn) 来估计,则称ˆ( X1 ,X 2 ,L ,X n ) 是的一个点 估计量,对应于样本观测值x1, x2, …, xn,称 ˆ( X1 ,X 2 ,L ,X n ) 为的点
X
2 i
2
X
1 n
n i 1
(Xi
X )2
n 1S 2 n
二、极大似然估计法
在随机试验中,许多事件都有可能发生,概率大的事件发生的可 能性也大,若在一次试验中,某事件A发生了,则有理由认为事件A 比其他事件发生的概率大,这就是所谓的极大似然原理,极大似然 估计法就是依据这一原理得到的一种参数估计方法。