您好,欢迎访问三七文档
当前位置:首页 > 高等教育 > 大学课件 > 大学课件-概率论之参数估计
第7章参数估计参数的点估计估计量优劣性的评价参数的区间估计参数估计在实际问题中,对于一个总体X往往是仅知其分布的类型,而其中所含的一个或几个参数的值却是未知的,因此只有在确定这些参数后,才能通过其分布来计算概率,如何确定这些参数的数值呢?这就是统计推断中的“参数估计”问题。定义构造一个统计量作定值的估计称为参数的点估计。对参数ˆ§7.1点估计1212ˆ(,,,)ˆ(,,,)nnXXXxxx点估计量点估计点估计值矩估计的想法来源于大数定理。如果总体X存在k阶矩,对任意有011lim0nkKiniPXEXn这说明,当样本容量较大时,样本k阶原点矩与总体k阶原点矩差别很小。7.1.1、矩法估计(1)列出估计式。步骤为:12.,,,,XmXFm设总体的前阶矩112221212(),,,(),,,(),,,mmmmmEXgEXgEXg2112222(),(),,(),(),(),,(),(),(),,(),mmmmmEXEXEXEXEXEXEXEXEX(2)求解关于估计量的方程组。即解方程得组1112221212ˆ,,,,ˆ,,,,ˆ,,,,mmmmmMMMMMMMMM11nkkiikMXknk用样本的阶原点矩代替总体的阶原点矩,得的矩估计为:(3)求出矩估计。解12(X),VarEX设,按照上述矩估计例1()XEXVarX求总体的期望和方差的矩估计122221()()()EXEXVarXEX(1)列出估计式。1222()()(())EXEXEX解上述方程得:(2)求解关于估计量的方程组。12MM用样本矩、分别代替总体的矩,得的矩估计为:和21(3)求出矩估计。1122222112212ˆ1ˆ1,()VarniinininMXMMXXEXXXnXSnSX即注意:只要总体的期望和方差存在,此结果对任何总体均适用。解例2,XUab,总体求a,b的矩估计。2ˆ3,ˆ,-()212()3,3.()3.MnMnXUabbaabEXVarXaEXVarXbEaXSbXSXVarX,例3,,,0.2xXfxex总体的分布密度为求的矩估计。解0)0,)21.21,1ˆMxxxEXxedxEXEXxedxxedxXEX(=(与无关=还可由222202212.222ˆ,xxMniiEXxedxxedxnEXX=7.1.2、最大似然估计法最大似然估计法是求估计的另一种方法。它最早由高斯(C.F.Gauss)提出,后来被费歇(R.A.Fisher)完善。最大似然估计这一名称也是费歇给的。这是一个目前仍得到广泛应用的方法。它是建立在最大似然原理基础上的一个统计方法。最大似然原理:最先出现的是概率最大的1212,,,,ˆ,,,ˆnnXfxxxxXxxxL总体的概率函数为为未知参数。是取自总体的一个样本观测值,如=时,被取到的概率最大,即使似然函数取到极大值。则称定义最大为的似然估计。.,,,,121nxxxL、求似然函数具体步骤:12,1,2,,,,,,,iinPXxpxinxxx其分布律为未知对给定的样本观察值令niinxpxxxL121,,,,,1)总体为离散型分布。未知。,密度函数为,xf12,,,nLxxx似然函数,称为,反映了样本观察值被函数取到的概率。niinxfxxxL121,,,,,2)总体为连续型分布。12,,,nxxx对给定的样本观察值,令ˆ0LdLd若似然函数是的可微函数,则极大值点必然满足方程。的最大值点,、求ˆ,,,221nxxxL似然方程。的极大值点,经过检验即得解出ˆL的极大似然估计。就是ˆlnln0ˆLxxdLd对数似因为为乘积形式,是的单调函数,所以由求解比前式要然方程方便得多。mnmxxxLLm,,,,,,,,,,212121其似然函数为,个未知参数一般地,设总体含有方程组其极大值点由对数似然12,,,m为未知参数的最大似然估计。就分别,其惟一解解得。在通常的情况下mˆ,,ˆ,ˆ210ln0ln1mLL例41,10pPXpPX其中。01XX离散型随机变量服从分布,从中抽得容1212,,,,,,,nnnXXXxxx量为的样本的一组观察值0,1;1,2,,ixinp,求参数的最大似然估计,111111,0,1,11nniiiiiixxnxxnxxiiXPXxppxpLxppppp解的分布律为的似然函数为01ln1lnln,ln1pynpydpLdpynpypxLxyinii由对数似然方程,得:令niixxnnyp11解得p因为这是惟一的解,所以的最大似然估计值为xpLˆ从而得p的最大似然估计量为:ˆLpX12Lˆ~,X,nXExpxxx,,是的一组样本观测值求。例51L11110lnln,0,,1ˆniixninniiiiniiniixXLedLnXXnLnxxdnx当时,的似然函数为=解P{}0,1,2,!keXkkk设例6(泊松分布)的极大似然估计。是一未知参数,求其中012,nxxxX设,是的一组样本观测值。1111,!!!!ninixxxninnLxeeexxxx似然函数为解11122ˆlnlnln(!)ln10ˆln0,ˆnniiiiniixLLnxxnxLXLx且。求的一组样本观测值是,,L21,X,],0[~nxxxUX例7L,110,max{}maxma{}x{}nniiiiiiiLdLnLdxxxLx当=,取最大=值,单调减解X的似然函数为:另外,由于(),2()2ˆ2MEXEXX从而得的矩法估计量为X设总体服从正态分布,其密度函数为例822212221,,xexf的极大似然估计。,,求未知参数,记21221niiixnnnixnneexxxL12122122122212122121221,,,,,似然函数为解niixnnL1212221ln22ln2ln上式两边取对数得的极大似然估计值。这就是由此求得惟一解对数似然方程组为2211221112122221121,110212ln01lnniiniiniiniixxnxxnxnLxLxLˆniiLxxn1221ˆ即相应的极大似然估计量为:ˆLX2211ˆnLiiXXn1P{}(1)1,2,kXkppk设例9(几何分布)。求的一组样本观测值是,L21,,pxxxn))(1ln(lnln11,1111nxppnLpppppxLniininxnxiniii似然函数为解11ln110,1niiniixnLnppppxxnp因为这是惟一的解,所以的极大似然估计值为xpL1ˆ7.1.3、顺序统计量估计总体是连续型随机变量且分布密度对称时,总体中位数就是均值。此时可用样本中位数估计总体均值,用样本极差估计总体标准差。ˆ()XnEXXVarXR点估计的方法:一、矩估计法(也称数字特征法)直观意义比较明显,但要求总体k阶矩存在。二、极大似然估计法。具有一些理论上的优点,但要求似然函数可微。三、顺序统计量法使用起来方便,无需多大计算,但准确度不高。1212121212X,,,,,,,,,,,,,lim,,,,,,,XnnnnnnFgTXXXETXXXgTXXXgETXXXgTXXXg设总体为的函数,为一统计量。如果则称定义7.2.为的。如果则称为无偏估计量渐进无偏1的估计量。§7.2估计量优劣性的评价12,,,nTXXX具有无偏性的意义是:12,,,()nTXXXgg虽然取值由于随机性而偏离的真值,但取其平均数数学期望却等于的真值,即没有系统偏差。21222()Var()nnXEXXXXXXXS设总体的分布是任意的,其数学期望()记为与方差记为存在,,,,是的样本,问用样本均值与样本方差分别作为与的估计是否具有例1无偏性?22*221nnEnESnES由前知解*2222*222*2.nnnnnXSSSnSS这说明是的无偏估计是的无偏估计。但不是的无偏估计。因此,一般用作为的估计,但在很大时,与相差不大,这时二者就不加以区别了。21221121112,,,,,1ˆ,1ˆˆ2nnniiiiiinnniiiiiiiiXEXVarXXXXXCXCCnEECXCEXC设总体有()是的样本,求证:其中为的无偏例证:估计。()()即得是的无偏估计。例30,,ˆˆ2,.MLnXXUX设总体试问这两个估计量是否为无偏估计量?解122ˆ2[()()()]2.2ˆMnMEEXEXEXEXnnn…是的无偏估计量。100()0110()0nnXnXxxFxxxxxnfxother的分布函数是得101ˆ1ˆ1ˆˆ=11ˆˆˆ(),ˆnLnLLLLxnEEXnxdxnnnnnEEEnn不是的无偏估计量,只是的渐进无偏估计量。令,是的无偏估计。下面计算它们的方差:122222ˆVar=Var24VarVarVar412.3MnXXXXnnnn22222122201ˆVarVar1111nnnnnXnnEXEXnnxnxndxnnVarVar22222112(2)1,ˆˆMnnnnnnnnn只要就有由于方差是度量随机变量X落在它的均值E(X)的邻域内的集中或分散程度的。所以一个好的估计量,不仅应该是待估参数θ的无偏估计,而且应该有尽可能小的方差。VarVar1122121211221211122,,,,,,,,,,,,()()nnnnTXXXTXXXgTT
本文标题:大学课件-概率论之参数估计
链接地址:https://www.777doc.com/doc-7953099 .html