参数估计
DESCRIPTION
参数估计. 统 计 推 断. 点 估 计. 参数估 计问题. 区间估 计. 假设检 验问题. 点估计. 区间估计. 什么是参数估计?. 参数是刻画总体某方面的概率特性的数量. 当这个数量是未知的时候,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, X ~N ( , 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 ( point Estimation ) —— 估计未知参数的值. - PowerPoint PPT PresentationTRANSCRIPT
参数估计
参数估计问题
假设检验问题
点 估 计
区间估 计统计推断
什么是参数估计?参数是刻画总体某方面的概率特性的数量 .
当这个数量是未知的时候,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, X ~N ( , 2),
点估计 区间估计
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 (point Estimation) —— 估计未知参数的值
区间估计 (interval Estimation)—— 估计未知参数的取值范围,使得这个范围包含未知参数真值的概率为给定的值 .
§ 7.1 点估计方法点估计的思想方法设总体 X 的分布函数的形式已知,但它含有一个或多个未知参数: 1,2, ,k
设 X1, X2,…, Xn 为总体的一个样本构造 k 个统计量:
),,,(
),,,(
),,,(
21
212
211
nk
n
n
XXX
XXX
XXX
随机变量
当测得一组样本值 (x1, x2,…, xn) 时,代入上述统计量,即可得到 k 个数:
),,,(ˆ
),,,(ˆ
),,,(ˆ
21
212
211
nk
n
n
xxx
xxx
xxx
数值
称数k ˆ,,ˆ,ˆ
21 为未知参数 k ,,, 21 的估计值
如何构造统计量?如何评价估计量的好坏?
对应的统计量为未知参数 k ,,, 21 的估计量Q :
三种常用的点估计方法 频率替换法 (Frequency substitution)
利用事件 A 在 n 次试验中发生频率nnA
作为事件 A 发生的概率 p 的估计量
pn
n pA
例 1 设总体 X ~ N ( , 2 ), 在对其作 28 次独立
观察中 , 事件 “ X < 4” 出现了 21 次 , 试用频率替换法求参数 的估计值 .
解 由 75.028
21)
2
4()4(
XP
675.02
4
查表得
于是 的估计值为ˆ 3.045
矩法 ( Method of moment)
方法用样本的 k 阶矩作为总体的 k 阶矩的 估计量 , 建立含有待估计参数的方程,从而可解出待估计参数一般地,不论总体服从什么分布,总体期望
与方差 2 存在,则它们的矩估计量分别为
XXn
n
ii
1
1
2
1
22 )(1
ˆ n
n
ii SXX
n
事实上,按矩法原理,令
n
iiX
nX
1
1
)(1 2
1
22 XEX
nA
n
ii
X
)()(ˆ 222 XEXE 22 A
2
1
21XX
n
n
ii
2
1
2)(1
n
n
ii SXX
n
设待估计的参数为 k ,,, 21
设总体的 r 阶矩存在,记为
),,,()( 21 krrXE
设 X1, X2,…, Xn 为一样本,样本的 r 阶矩为
n
i
rir X
nB
1
1
kr ,,2,1 令
),,,( 21 kr
n
i
riX
n 1
1
—— 含未知参数 1,2, ,k 的方程组
解方程组,得 k 个统计量:
),,,(ˆ
),,,(ˆ
),,,(ˆ
21
212
211
nk
n
n
XXX
XXX
XXX
——未知参数 1,2, ,k
的矩估计量
),,,(ˆˆ
),,,(ˆˆ
),,,(ˆˆ
21
2122
2111
nkk
n
n
xxx
xxx
xxx
——未知参数 1,2, ,k
的矩估计值
代入一组样本值得 k 个数 :
例 2 设总体 X ~ N ( , 2 ), X1, X2,…, Xn 为总体的 样本 , 求 , 2 的矩法估计量。解 X矩
2
1
22 1ˆ XX
n
n
ii
矩
例 3 设总体 X ~ E(), X1, X2,…, Xn 为总体的样本 , 求的矩法估计量。
解 1
)( XE1
X令故 1ˆ
X 矩
例 4 设从某灯泡厂某天生产的一大批灯泡中 随机地抽取了 10 只灯泡,测得其寿命为 ( 单位:小时 ) : 1050, 1100, 1080, 1120, 1200 1250, 1040, 1130, 1300, 1200 试用矩法估计该厂这天生产的灯泡的平均 寿命及寿命分布的标准差 .
解)(1147
101
)(10
1
hxxXEi
i
6821101
ˆ)( 210
1
22
xxXDi
i
)(25.79)( hXD
例 5 设总体 X ~ U (a, b), a, b 未知,求 a, b 的 矩法估计量 .
解 由于12
)()(,
2)(
2abXD
baXE
)()()( 22 XEXDXE
令
22
212
)(
baab
Xba
2
ˆˆ
n
iiX
nA
baab
1
22
22 1
2
ˆˆ
12
)ˆˆ(
解得)(3ˆ 2
2 XAXa 矩
n
ii XX
nX
1
2)(3
)(3ˆ 22 XAXb 矩
n
ii XX
nX
1
2)(3
点估计的极大似然估计法 (maximum likelihood)
思想方法:一次试验就出现的 事件有较大的概率
例如 : 有两个外形相同的箱子 , 都装有 100 个球 一号箱 99 个白球, 1 个红球 二号箱 1 个白球, 99 个红球
现从两箱中任取一箱,并从箱中任取一球,结果所取得的球是白球。
答 :极有可能是第一箱 .
问 所取的球来自哪一箱?
例 6 设总体 X 服从 0-1 分布 , 且 P (X = 1) = p, 用极大似然法求 p 的估计值 .
解 总体 X 的概率分布为1,0,)1()( 1 xppxXP xx
设 x1, x2,…, xn 为总体样本 X1, X2,…, Xn
的样本值 ,
则 ),,,( 2211 nn xXxXxXP
)()1( 11 pLpp
n
ii
n
ii xnx
nixi ,,2,1,1,0
对于不同的 p , L (p) 不同 , 见下图
现经过一次试验,0.2 0.4 0.6 0.8 1
p
0.002
0.004
0.006
0.008
0.01
Lp
),,,( 2211 nn xXxXxX
发生了,
事件
则 p 的取值应使这个事件发生的概率最大 .
p
在容许范围内选择 p ,使 L(p) 最大 注意到, ln L(p) 是 L 的单调增函数 , 故若某个 p 使 ln L(p) 最大 , 则这个 p 必使 L(p) 最大。
01d
dln 11令
p
xn
p
x
pL
n
ii
n
ii
xxn
pn
ii
1
1ˆ
0
)1(dlnd
21
21
2
2
p
xn
p
x
pL
n
ii
n
ii
所以 xp ˆ 为所求 p 的估计值 .
一般 , 设 X 为离散型随机变量 , 其分布律为
,,,),,()( 21 uuxxfxXP
则样本 X1, X2,…, Xn 的概率分布为),,,( 2211 nn xXxXxXP
),(),(),( 21 nxfxfxf
1 2, , ,
1, 2, , ,ix u u
i n
)(),,,,( 21 LxxxL n 记为 或
称 L( ) 为样本的似然函数
)ˆ,,,,( 21 nxxxL )},(),(),(max{ 21
nxfxfxf
称这样得到的 ),,,(ˆ21 nxxxg
为参数 的极大似然估计值称统计量 ),,,( 21 nXXXg
为参数 的极大似然估计量
选择适当的 = , 使 取最大值 , 即L( )极大似然法的思想
简记mle
简记 ˆMLE
若 X 连续 , 取 f (xi, ) 为 Xi 的密度函数
n
iixfL
1
),()( 似然函数为注 1
注 2 未知参数可以不止一个 , 如 1,…, k
设 X 的密度 ( 或分布 ) 为 1( , , , )kf x 则定义似然函数为
1 11
( , , ) ( , , , )n
k i ki
L f x
, 1, 2, ,ix i n 1( , , )k
1 1( , , ; , , )n kL x x
若 1 1( , , ; , , )n kL x x 关于 1, …, k 可微 , 则称0),,,;,,,( 2121
knr
xxxL
为似然方程组
kr ,,2,1
若对于某组给定的样本值 x1, x2,…, xn ,参数 使似然函数取得最大值 , 即k ˆ,,ˆ,ˆ
21
1 1( , , ; , , )n kL x x
)},,,;,,,({max 2121
),,,( 21knxxxL
k
则称1, , k 为 1,…, k 的极大似然估计值
显然,),,,(ˆ
21 nr xxxg kr ,,2,1
称统计量
),,,(ˆ21 nr XXXg kr ,,2,1
为 1, 2,…, k 的极大似然估计量
例 7 设总体 X ~ N (, 2), x1, x2,…, xn 是 X 的样本值 , 求 , 2 的极大似然估计 .
解 ),;,,,( 221 nxxxL
n
i
ix
nn e 12
2
2
)(
222 )()2(
1
)ln(2
)2ln(22
)(ln 2
12
2
nnx
Ln
i
i
2
2
2
)(
1 2
1
ixn
i
e
xxn
n
iimle
1
1
n
iimle xx
n 1
22 )(1
, 2 的极大似然估计量分别为
1
1,
n
ii
X Xn
2
1
2)(1
n
n
ii SXX
n
似然方程组为
0)(1
ln1
2
n
iixL
0)(2
)()(2
1ln
)( 21
2222
n
xLn
ii
极大似然估计方法
1 ) 写出似然函数 L
2 )求出 k ˆ,,ˆ,ˆ21 , 使得
)ˆ,,ˆ,ˆ;,,,( 2121 knxxxL
)},,,;,,,({max 2121),,,( 21
knxxxLk
0),,,;,,,( 2121
knr
xxxL
kr ,,2,1
可得未知参数的极大似然估计值 k ˆ,,ˆ,ˆ21
然后 , 再求得极大似然估计量 .
L 是 的可微函数 , 解似然方程组1, , k 若
L 不是 的可微函数 , 需用其它方法求极大似然估计值 . 请看下例:
1, , k 若
例 8 设 X ~ U (a,b), x1, x2,…, xn 是 X 的一个样本值 , 求 a , b 的极大似然估计值与极大似然估计量 .
解 X 的密度函数为
其它,0
,1
),;( bxaabbaxf
似然函数为
其它,0
,,2,1
,,
)(1
),;,,,( 21 ni
bxa
abbaxxxLi
nn
似然函数只有当 a < xi < b, i = 1,2,…, n 时才能获得最大值 , 且 b - a 越小 , L 越大 .
令 xmin = min {x1, x2,…, xn}xmax = max {x1, x2,…, xn}
取 maxminˆ,ˆ xbxa
则对满足 bxxa maxmin的一切 a < b ,
nn xxab )(1
)(1
minmax
都有
故 maxminˆ,ˆ xbxa
是 a , b 的极大似然估计值 .
},,,max{
},,,min{
21max
21min
n
n
XXXX
XXXX
分别是 a , b 的极大似然估计量 .
问 题1) 待估参数的极大似然估计是否一定存在 ?
2) 若存在 , 是否惟一 ?
设 X ~ U ( a – ½, a + ½), x1, x2,…, xn
是 X 的一个样本 , 求 a 的极大似然估计值 .
解 由上例可知 , 当
21
ˆ21
ˆ maxmin axxa
时 , L 取最大值 1, 即
21
ˆ21
minmax xax
显然 , a 的极大似然估计值可能不存在 , 也可能不惟一 .
例 9
不仅如此 , 任何一个统计量
21
),,,(21
)1(21)( xxxxgx nn
),,,( 21 nXXXg
若满足
都可以作为 a 的估计量 .
常见分布的极大似然估计
分布 待估参数 极大似然估计二项 p
泊松 λ
指数 λ
正态 μ
正态 σ2
1
1ˆ
m
ii
p Xmn
1
1ˆn
ii
Xn
1
ˆn
ii
n X
1
1ˆ
n
ii
Xn
2 2
1
1ˆ ( )
n
ii
X Xn
极大似然估计的不变性
设 是 的极大似然估计值 , u( )
( ) 是 的函数 , 且有单值反函数 = (u), uU
则 是 u( ) 的极大似然估计值 . )ˆ(ˆ uu
如 在正态总体 N (, 2) 中 , 2 的极大 似然估计值为
2 2
1
1( )
n
ii
x xn
2 是 2 的单值函数 , 且具有单值反函数,故 的极大似然估计值为
2
1
1ˆ ( )
n
ii
x xn
lg 的极大似然估计值为2
1
1lg lg ( )
n
ii
x xn
作业 P164 习题七
2 3 5 7 8 10(1) 14