《数学建模概率论》.ppt

该【《数学建模概率论》 】是由【相惜】上传分享，文档一共【46】页，该文档可以免费在线阅读，需要了解更多关于【《数学建模概率论》 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第六章参数估计§§§§§?表示参数,参数?所有可能取值组成的集合称为参数空间,常用?表示。参数估计问题就是根据样本对上述各种未知参数作出估计。参数估计的形式有两种:点估计与区间估计。设x1,x2,…,xn是来自总体X的一个样本,我们用一个统计量的取值作为?的估计值,称为?的点估计〔量〕,简称估计。在这里如何构造统计量并没有明确的规定,只要它满足一定的合理性即可。这就涉及到两个问题:其一是如何给出估计,即估计的方法问题;其二是如何对不同的估计进行评价,即估计的好坏判断标准。§、矩法估计替换原理是指用样本矩及其函数去替换相应的总体矩及其函数,譬如:用样本均值估计总体均值E(X),即;用样本方差估计总体方差Var(X),即用样本的p分位数估计总体的p分位数,用样本中位数估计总体中位数。(km),观测数据如下:、方差和中位数的估计分别为:,。矩法估计的实质是用经验分布函数去替换总体分布,其理论根底是格里纹科定理。二、概率函数P(x,θ)时未知参数的矩法估计设总体具有的概率函数P(x,?1,…,?k),x1,x2,…,xn是样本,假定总体的k阶原点矩?k存在,假设?1,…,?k能够表示成?1,…,?k的函数?j=?j(?1,…,?k),那么可给出诸?,由于EX=1/?,即?=1/EX,故?的矩法估计为另外,由于Var(X)=1/?2,其反函数为因此,从替换原理来看,?的矩法估计也可取为s为样本标准差。这说明矩估计可能是不唯一的,这是矩法估计的一个缺点,此时通常应该尽量采用低阶矩给出未知参数的估计。,x2,…,xn是来自(a,b)上的均匀分布U(a,b)的样本,a与b均是未知参数,这里k=2,由于不难推出由此即可得到a,b的矩估计:(最)(x;?),?是参数?可能取值的参数空间,x1,x2,…,xn是样本,将样本的联合概率函数看成?的函数,用L(?;x1,x2,…,xn)表示,简记为L(?),称为样本的似然函数。如果某统计量满足那么称是?的极(最)大似然估计,简记为MLE〔MaximumLikelihoodEstimate〕。人们通常更****惯于由对数似然函数lnL(?)出发寻找?的极大似然估计。当L(?)是可微函数时,求导是求极大似然估计最常用的方法,对lnL(?)求导更加简单些。