概率论与数理统计第3版 教学课件 ppt 作者 宗序平 概率统计7.1
33页1、第七章 参数估计,点估计 估计量的优劣性 一致最小方差无偏估计(UMVUE) 正态总体参数的区间估计 Bayes估计,什么是参数估计?,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,XN( , 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.,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.,7.1 点估计,称其为 的一个估计量,记为,注:F(x;)也可用分布律或密度函数代替.,定义 设X1, ,Xn是总体X的一个样本,其分布函数,为F(x; ),。其中为未知参数, 为参数空,间, 若统计量g(X1, ,Xn)可作为的一个估计,则,若x1, ,xn 是样本的一个观测值,,由于g(X1, ,Xn) 是实数域上的一个点,现用它来估计, 故称这种估计为点估计。 点估计的经典方法是矩估计法(ME) 与极大似然估计法(MLE)。,称为参数的估计值。,在不致混淆的情况下统称估计量与估计值,为估计,
2、并都简记为,一、矩估计法(简称“矩法”ME),设总体X的分布函数为F(x, ),为k维未知参数,并设随机变量X的k阶矩存在,即,存在,其基本思想是:以样本矩代替相应的总体矩。,矩估计是1900年英国统计学家K. Pearson 提出,的一种统计方法.,上述方程组的解即为参数 的矩估计,记为,注1.用样本矩作为总体同阶矩的估计,即,注2.约定:若 是未知参数的矩估计,则g()的矩估计为g( ).,例1:设X1, ,Xn为取自总体B(1,p),的样本,其中0p1未知,求p的矩估计。,解: E(X)=p,为参数p的矩估计.,解,例2 设总体X的概率密度为,其中 为未知参数,且 0,试求 的矩估计.,的矩估计。,解:,例4. 设总体X的概率密度为,解:,X1, ,Xn为样本,求参数的矩估计。,解:,二、极大似然估计法,似然估计得到了广泛的应用。,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,,并证明了极大似然估计的一些性质,使得极大,命中了一发,谁射中的?,1、极大似然思想,有两个射手,
3、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,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?,请回答。,答: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.,事件发生的概率为,若总体X是离散型随机变量,其分布律,观察值,则,1 离散型,它是,的函数,称,为样本的似然函数.,称为参数的极大似然估计(MLE)而相应的统计量为,例6.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:,令,2. 连续型,若总体X是连续型的,其概率分布密度为,根据第二章随机变量性质知,随机,变量X落在(x, x+dx)中的概率近似为,落在(x1, x1+dx1)(xn, xn+dxn)中的概率为,注1 求极大似然估计的步骤,(1) 求似然函数,(2)求对数似然函数,(3) 列似然方程, 令,若该方程有解,则其解就是,特别地,若似然函数中含有多个未知参数,则可解方程组,的极大似然估计。,解:,令,为 的极大似然估计.,g( ).,注2:极大似然估计具有下述性质:,的严格单调函数,则g()的极大似然估计为,例8 设X1, ,Xn为取自参数为的指数分布的总体的样本,a0为一给定实数,求p=PXa的极大似然估计,解:,似然估计为,令,注3:由似然方程解不出的似然估计时,可由定义通过分析直接推求。事实上 满足,例9 设X1, ,Xn为取自U(0,) 总体的样本,0未知,求参数 的极大似然估计。,解:,令,无解!,注意到,小 结,极大似然估计法,矩估计法,
《概率论与数理统计第3版 教学课件 ppt 作者 宗序平 概率统计7.1》由会员w****i分享,可在线阅读,更多相关《概率论与数理统计第3版 教学课件 ppt 作者 宗序平 概率统计7.1》请在金锄头文库上搜索。
2023-12-11 28页
2023-12-11 28页
2023-12-11 27页
2023-12-11 31页
2023-12-11 27页
2023-12-11 27页
2023-12-11 33页
2023-12-11 28页
2023-12-11 26页
2023-12-11 29页