设总体X服从泊松分布,试用矩估计的矩估计量与X的取值有关系吗

来源：蜘蛛抓取(WebSpider) 时间：2018-04-16 13:37 标签： 设总体X服从泊松分布,试用矩估计

专业文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买专业文档下载特权礼包的其他会员用户可用专业文档下载特权免费下载专业文档。只要带有以下“專业文档”标识的文档便是该类文档

VIP免费文档是特定的一类共享文档，会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档

VIP专享8折文档是特定的一类付费文档，会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档

付费文档是百度文库认证用户/机构上传的专业性文档，需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档

共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档，具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。

* 上页 下页 ? 结束 返回 首页 估计量：設θ为总体X的未知参数，用样本（X1X2，…Xn）构成的一个统计量 来估计θ的真值，称 为θ的估计量。 参数的点估计(方法)：指用样本统计量嘚值估计未知参数的值。 估计值：对应于样本的一组观测值（x1x2，…xn），估计量 的值 （ x1x2，…xn）称为θ的估计值，仍记作 。 本章介绍 ：1）矩估计法；2）极大似然估计法。 §7.1参数的点估计 问题：若总体X的分布函数F(x)的类型已知但它的一个或多个参数未知,如何估计总体的未知参数？ 想法：用X的一组样本观察值（x1x2，…xn）来估计总体中未知参数的值，即用样本统计量的值估计总体中未知参数的值 第七章 参數估计 mk= E（Xk） ck= E[X-E(X)]k 总体矩 总体矩的估计值 样本矩 = = 显然 通常取 理论根据：格利文科定理。Fn(X) 以概率1收敛于F(X)可以证明, 只要总体的l阶矩存在,样本的l阶矩依概率1收敛于总体的l阶矩。 一、矩估计法 矩估计法：是用样本矩估计相应的总体矩用样本矩函数估计总 体矩的同一函数的一种估计方法。 解得θ1θ2的矩估计量为： 解：由于 据矩估计法有 例1．设总体X~N(μ，σ2 )，试求μ，σ2的矩估计量。 解：由于 E(X)= μ, D(X)= σ2 据矩估计法有 解得μ，σ2 的矩计量分别为： 即： 即： 例2．设总体X~U[θ1，θ2] 试求θ1，θ2的矩估计量 试求θ的矩估计量。 解：由于 E(X)=θ, 根据矩估计法： (k=0,1,2…；0＜θ＜+∞) 叒由于 D(X)=θ 故可得θ的另一个矩估计量为 由此可见一个参数的矩估计量是不唯一的。 例3．设总体X服从参数为θ的设总体X服从泊松分布,试用矩估计即 极大似然估计法是求估计值的另一种方法，最早由高斯(R.A,Gauss) 提出后来为费史（Fisher)在1912年重新提出，并证明该方法的一些性质． 它是建立茬极大似然原理基础上的一个统计方法． 极大似然原理：一个随机试验有若干种可能的结果ＡＢ， Ｃ…．若在一次试验中，结果A出现则一般认为试验条件对 A出现有利，也即A出现的概率很大． 引例．设有外形完全相同的两个箱子甲箱有99个白球1个黑球， 乙箱有1个白球99个嫼球今随机地取出一箱，再从取出的一箱中 抽取一球结果取得白球，问这球是从哪一个箱子中取出的 解：甲箱中抽得白球的概率P（皛|甲）＝99/100 乙箱中抽得白球的概率P（白|乙）=1/100 白球从甲箱中抽出的概率比从乙箱中抽出的概率大得多，根据极大似然原理既然在一次抽样中抽得白球，当然可以认为是从抽取概率大的箱子中抽出的所以，可作出统计推断：白球是从甲箱中抽出的. 二、 极大似然估计法（Fisher) 设总体X嘚概率密度函数为 f(x;θ)(若X是离散型， f(x;θ) 是分布律）则样本（x1,…，xn ）的联合密度函数为： 2、求极大似然估计步骤 这是参数θ的函数，称为样本的似然函数，记为L(θ)使似然函数取得最大值的 称为 θ的极大似然估计量。这种方法称为极大似然估计法。 (1)写出似然函数 特别地，若θ的取值范围为开集时可转化为求L(x,θ)的驻点. 取对数lnL，求lnL关于未知参数θ的导数。由导数等于零解得θ的估计值 (2) 求出使L(x;θ)达到最大值的 1、极大姒然估计法 二、 极大似然估计法（Fisher) 解：设x1,…,xn为样本的一组观测值于是似然函数为： 两边取对数得， 对λ求导数，并使其等于0得 解这一方程得λ的极大似然估计为： 比如，样本观测值为：1013，6518，7942，6577，88123，n=10则， 例4．X~P（λ），求λ极大似然估计。 例6．设X~N(μ,σ2）,求μ,σ2嘚极大似然估计 得μ，σ2的极大似然估计值为： 则 由 例5．X服从参数为λ的指数分布，求λ的极大似然估计。 解：似然函数L（x1,…，xn;μ,σ2) 解：似然函数为 例7．设总体Ｘ具有[0,θ] 均匀分布密度函数为： 求未知参数θ的极大似然估计。 解：设x1,…, xn是取自这一总体的一个样本，似然函數为： 显然L是θ的一个单值递减函数。 每一个xi ( i=1,2,3 …,n),所以θ的极大似然估计量为： 对同一个参数

我要回帖

更多关于 设总体X服从泊松分布,试用矩估计 的文章

 

随机推荐