求最大似然估计量的一般步骤为第六章点估计第6.1节参数的点估计一、点估计问题的提法二、估计量的求法三、小结现在我们来介绍一类重要的统计推断问题参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数.估计废品率估计新生儿的平均体重估计湖中鱼数……估计平均降雨量这类问题称为参数估计.(一般分点估计，区间估计)参数估计问题的一般提法现从该总体中抽取样本设有一个统计总体的分布函数F(x,)，其中为未知参数.一、点估计问题的提法设总体的分布函数形式已知,但它的一个或多个参数为未知,借助于总体的一个样本来...
第六章点估计第6.1节参数的点估计一、点估计问题的提法二、估计量的求法三、小结现在我们来介绍一类重要的统计推断问题参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数.估计废品率估计新生儿的平均体重估计湖中鱼数……估计平均降雨量这类问题称为参数估计.(一般分点估计，区间估计)参数估计问题的一般提法现从该总体中抽取样本设有一个统计总体的分布函数F(x,)，其中为未知参数.一、点估计问题的提法设总体的分布函数形式已知,但它的一个或多个参数为未知,借助于总体的一个样本来估计总体未知参数称为点估计问题.二、估计量的求法由于估计量是样本的函数,是随机变量,故对不同的样本值,得到的参数值往往不同,求估计量的问题是关键问题.点估计的求法:(两种)矩估计法和最大似然估计法.一、矩估计法其基本思想是用样本矩估计总体矩.理论依据:它是基于一种简单的“替换”思想建立起来的一种估计方法.是英国统计学家K.皮尔逊最早提出的.大数定律矩估计法的具体步骤:矩估计量的观察值称为矩估计值.例1设总体服从泊松分布，求参数的估计量.解：设是总体的一个样本,由于,可得解例2解方程组得到a,b的矩估计量分别为解解方程组得到矩估计量分别为例3上例表明:总体均值与方差的矩估计量的表达式，不因不同的总体分布而异.一般地:矩法的优点是简单易行,缺点是，当总体类型已知时，没有充分利用分布提供的信息.一般场合下,矩估计量不具有唯一性.例4设总体的分布密度为为总体的样本,求参数的矩估计量.解：由于只含有一个未知参数，一般只需求出便能得到的矩估计量，但是即不含有,故不能由此得到的矩估计量.为此,求故令于是解得的矩估计量为二、最大（极大）似然估计法最大似然法是在总体类型已知条件下使用的一种参数估计方法.它首先是由德国数学家高斯在1821年提出的,然而，这个方法常归功于英国统计学家费歇.费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质.（或分似然函数设总体的分布律为，其中是未知参数，是总体的一个样本,为布密度为）则样本，当给定样本值后，它只是参数的函数，记为即的分布律2.最大似然估计法最大似然估计法，是建立在最大似然原理的基础上的求点估计量的方法。最大似然原理的直观想法是：在试验中概率最大的事件最有可能出现。因此，一个试验如有若干个可能的结果若在一次试验中，结果出现，则一般出现的概率最大。认为定义6.1设总体的分布密度（或分布律）为，其中为未知参数。又设是总体的一个样本值，如果似然函数（6.1）替换成样本分别为似然估计值。需要注意的是，最大似然估计值依赖于样本值，即若将上式中样本值则所得的的最大称为参数的最大似然估计量。由于而与在同一处达到最大值，为最大似然估计的必要条件为称它为似然方程，其中（6.2）因此，求最大似然估计量的一般步骤为：（1）求似然函数（2）一般地，求出及似然方程（3）解似然方程得到最大似然估计值（4）最后得到最大似然估计量解似然函数例1这一估计量与矩估计量是相同的.解似然函数为例2它们与相应的矩估计量相同.解例3三、小结两种求点估计的方法:矩估计法最大似然估计法在统计问题中往往先使用最大似然估计法,在最大似然估计法使用不方便时,再用矩估计法.费希尔资料RonaldAylmerFisherBorn:17Feb1890inLondon,EnglandDied:29July1962inAdelaide,Australia
本文档为【求最大似然估计量的一般步骤为】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。
该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。
[版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
浙公网安备 33021202002483