极大似然估计_第1页
极大似然估计_第2页
极大似然估计_第3页
极大似然估计_第4页
极大似然估计_第5页
已阅读5页,还剩16页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

§6.2

极大似然估计

极大似然估计是在母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,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.简单的例子某位同学与NBA球员一起投篮.三分线外两步远,手起球落,唰的一声篮球空心入网。如果要你推测,球是谁投中的?

一般我们会想,这么远抬手就能投中,职业球员命中的概率一般大于这位同学命中的概率.这一球应是球员射中的.这个例子所作的推断体现了极大似然法的基本思想.

极大似然估计原理:

当给定子样观测值x1,x2,…,xn时,定义似然函数(likelihoodfunction)为:

设ξ1,ξ2,…,ξn是取自母体ξ的一个子样,θ为未知参数,子样的联合密度(连续型)或联合分布列(离散型)为

f(x1,x2,…,xn;θ)=f(x1,x2,…,xn;θ)L(θ)=L(θ

;x1,x2,…,xn)

极大似然估计法就是用使L(θ)达到最大值的去估计θ,即

L(θ)看作参数θ的函数,它可作为θ将以多大可能产生子样观测值x1,x2,…,xn的一种度量.则称为θ的极大似然估计(MLE).§6.2

极大似然估计极大似然估计原理:

设ξ1,ξ2,…,ξn是取自母体ξ的一个子样,θ为未知参数,子样的联合密度(连续型)或联合分布列(离散型)为

f(x1,x2,…,xn;θ)定义似然函数(likelihoodfunction)=f(x1,x2,…,xn;θ)L(θ)=L(θ

;x1,x2,…,xn)

极大似然估计法就是用使L(θ)达到最大值的去估计θ,即

则称为θ的极大似然估计(MLE).定义似然函数(likelihoodfunction)=f(x1,x2,…,xn;θ)L(θ)=L(θ

;x1,x2,…,xn)求极大似然估计(MLE)的一般步骤:(1)由母体分布写出子样的联合分布列(或联合密度);(2)把子样联合分布列(或联合密度)中的自变量看成已知常数,而把参数θ看作自变量,得到似然函数L(θ);(3)求似然函数L(θ)的最大值点(常常转化为求lnL(θ)的最大值点),即θ的MLE2、用上述求导方法求参数的MLE有时行不通,这时要用极大似然估计原理来求.说明:例1设ξ1,ξ2,…,ξn是取自母体ξ~b(1,p)的一个子样,求参数p的极大似然估计.注最大次序统计量注矩估计量注Ц例3一罐中装有白球和黑球,有放回地抽取一个容量为n的子样,其中有k个白球,求罐中黑球与白球之比R

的极大似然估计值.解:设罐中有白球x个,则有黑球Rx个,从而

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论