首页 理论教育参数的点估计方法及其应用

参数的点估计方法及其应用

【摘要】:,xn)作为θ的估计值.2.参数的点估计方法参数点估计有两种常用方法:矩估计法用样本矩作为相应的总体矩的估计量,对θ作出点估计.这种方法称为参数θ的矩估计法.最大似然估计法根据总体分布和样本构造似然函数,取使似然函数达到最大值的θ^作为θ的估计量.这种方法称为θ的最大似然估计法.似然函数的作法如下:设总体X是离散型随机变量,它的分布律P(X=x)=p(x;θ),则此时的似然函数L(x1,x2,…

【主要内容】

1.参数点估计的概念

设总体X的概率分布形式已知,但含有未知参数θ,对θ的点估计就是借助总体X的简单随机样本X1X2,…,Xn(观察值为x1x2,…,xn),用适当的统计量θ^(X1X2,…,Xn)作为θ的估计量,用θ^(X1X2,…,Xn)的观察值θ^(x1x2,…,xn)作为θ的估计值.

2.参数的点估计方法

参数点估计有两种常用方法:

(1)矩估计法

用样本矩作为相应的总体矩(包含待估参数θ)的估计量(或估计值),对θ作出点估计.这种方法称为参数θ的矩估计法.

(2)最大似然估计法

根据总体分布和样本构造似然函数(包含待估参数θ),取使似然函数达到最大值的θ^作为θ的估计量(或估计值).这种方法称为θ的最大似然估计法.

似然函数的作法如下:

设总体X是离散型随机变量,它的分布律PX=x)=pxθ)(θ是待估参数),则此时的似然函数Lx1x2,…,xnθ)(或简记为Lθ))为

Lθ)=px1θpx2θ)…pxnθ),其中x1x2,…,xn是相应于来自总体X的简单随机样本X1X2,…,Xn的观察值.

设总体X是连续型随机变量,它的概率密度fxθ)(θ是待估参数),则此时的似然函数Lx1x2,…,xnθ)(或简记为Lθ))为

Lθ)=fx1θfx2θ)…fxnθ),其中x1x2,…,xn是相应于来自总体X的简单随机样本X1X2,…,Xn的观察值.

3.常用总体的参数点估计设(X1X2,…,Xn)是来自总体X的一个简单随机样本,其中978-7-111-46245-3-Part03-879.jpg

【典型例题】

例8.3.1 设总体X的概率密度为978-7-111-46245-3-Part03-881.jpg其中θ>0是未知参数,x1x2,…,xn是来自总体X的一个样本观察值.分别用矩估计法和最大似然估计法计算θ的估计值.

精解 (1)矩估计法.因为978-7-111-46245-3-Part03-882.jpg,所以,由矩估计法得978-7-111-46245-3-Part03-883.jpg(其中978-7-111-46245-3-Part03-884.jpg),即978-7-111-46245-3-Part03-885.jpg解此方程得978-7-111-46245-3-Part03-886.jpg因此由矩估计法所得的

θ的估计值为

(2)最大似然估计法.

似然函数为Lθ)=fx1fx2)…fxn978-7-111-46245-3-Part03-888.jpg

显然,Lθ)只能在0<x1x2,…,xn<1的点(x1x2,…,xn)处取到最大值,故可取978-7-111-46245-3-Part03-889.jpg

978-7-111-46245-3-Part03-890.jpg

由最大似然估计法,令978-7-111-46245-3-Part03-891.jpg,即978-7-111-46245-3-Part03-892.jpg

此方程的解即为θ的最大似然估计值

例8.3.2 设总体X的分布律为

其中,978-7-111-46245-3-Part03-895.jpg是未知参数.设3,1,3,0,3,1,2,3是X的一个样本观察值,分别

用矩估计法和最大似然估计法计算θ的估计值.

精解 (1)矩估计法.(www.chuimin.cn)

因为EX=0·θ2+1·2θ(1-θ)+2·θ2+3·(1-2θ

=3-4θ

所以,由矩估计法得978-7-111-46245-3-Part03-896.jpg,即3-4θ=2.

解此方程得978-7-111-46245-3-Part03-897.jpg因此由矩估计法得θ的估计值为978-7-111-46245-3-Part03-898.jpg

(2)最大似然估计法.

似然函数Lθ)=PX=0)·[PX=1)]2·PX=2)·[PX=3)]4

=θ2·[2θ(1-θ)]2·θ2·(1-2θ)4=4θ6(1-θ)2(1-2θ)4,即lnLθ)=ln4+6lnθ+2ln(1-θ)+4ln(1-2θ.

由最大似然估计法,令978-7-111-46245-3-Part03-899.jpg,即

此方程位于978-7-111-46245-3-Part03-901.jpg内的解,即为θ的最大似然估计值978-7-111-46245-3-Part03-902.jpg

例8.3.3 设X1X2,…,Xn是来自总体X的简单随机样本,其中X的概率密度为978-7-111-46245-3-Part03-903.jpgθ是未知参数).

求参数θ的矩计量978-7-111-46245-3-Part03-904.jpg,并计算D978-7-111-46245-3-Part03-905.jpg

精解 因为978-7-111-46245-3-Part03-906.jpg978-7-111-46245-3-Part03-907.jpg

所以,由矩估计法得978-7-111-46245-3-Part03-908.jpg,即978-7-111-46245-3-Part03-909.jpg所以θ的矩估计量978-7-111-46245-3-Part03-910.jpg

下面计算978-7-111-46245-3-Part03-911.jpg978-7-111-46245-3-Part03-912.jpg其中978-7-111-46245-3-Part03-913.jpg所以,978-7-111-46245-3-Part03-914.jpg

例8.3.4 设某种元件的使用寿命X的概率密度为978-7-111-46245-3-Part03-915.jpg(其中θ是未知参数),

又设X1X2,…,Xnn>1)是来自总体X的简单随机样本,求:

(1)θ的矩估计量978-7-111-46245-3-Part03-916.jpg

(2)θ的最大似然估计量978-7-111-46245-3-Part03-917.jpg

精解 (1)由于978-7-111-46245-3-Part03-918.jpg978-7-111-46245-3-Part03-919.jpg

所以,由矩估计法得978-7-111-46245-3-Part03-920.jpg,即978-7-111-46245-3-Part03-921.jpg所以θ的矩估计量978-7-111-46245-3-Part03-922.jpg978-7-111-46245-3-Part03-923.jpg

(2)设x1x2,…,xn是样本X1X2,…,Xn的观察值,则似然函数为Lθ=fx1fx2)…fxn978-7-111-46245-3-Part03-924.jpg978-7-111-46245-3-Part03-925.jpg

显然,Lθ)的最大值只能在x1x2,…,xnθ处取到,所以可取

由于Lθ)是θ的单调增加函数,所以当θ=min{x1x2,…,xn}时,Lθ)取最大值.因此由θ的最大似然估计量为

例8.3.5 设总体XNμσ2),X1X2,…,Xn是它的一个简单随机样本,求使得978-7-111-46245-3-Part03-928.jpg的点A的最大似然估计量,其中fxμσ2)是X的概率密度,μσ2是未知参数.

精解 将A表示成关于μσ2的函数,然后用μσ2的最大似然估计量算出A的最大似然估计量.

978-7-111-46245-3-Part03-929.jpg,即978-7-111-46245-3-Part03-930.jpg978-7-111-46245-3-Part03-931.jpg查表得978-7-111-46245-3-Part03-932.jpg于是A的最大似然估计量为

其中,978-7-111-46245-3-Part03-934.jpgμσ的最大似然估计量,它们分别为

所以,A的最大似然估计量为