正在加载图片...
例6设样本,,,n来自正态总体r~N(,σ),4,σ2未知,求4,σ2 的极大似然估计。 解设(x1,,…,xn)为对应的样本观察值,则关于4,σ2得似然函数为 4uo-12ae=2o)。2w 1- 1 于是 h4o学2-登a-2石24-m 2 2 anL-(x-w川=0 = oln L n 1 a=2a+2o2-W=0. 解之得 a=12,62=12x-2 易验证,立,62为(4,o2)得最大值点。因此,立,62的极大似然估计值为 a=2x,62=12x-2 n ia 注意,若参数4己知,则σ2的极大似然估计为 62-2(x-2 n 3.点估计的评价标准 从上节可以看出,对同一个未知参数,可以由多种方法进行估计,即使用同一种方 法,有时也可到多个估计量。我们总希望得到的估计量能代表总体的真实参数,那么在 同一参数的许多可能的估计量中那一个是最好的估计量呢?自然地想到,需要有一个评 价估计量优劣的标准。在本节中我们给出三个评价的标准。 (1)无偏性 估计量(X,X2,…,r)是一个随机变量,对一次具体的观察或实验的结果,估计值 可能较真实的参数值偏小或偏大,在多次试验中所得的估计量的平均值应与真实参数吻 合,这就是无偏性所要求的。 定义设,5,,xn为来自总体r的样本,0∈⊙为总体的未知参数,日为日例 6 6 设样本 X1,X2,…,Xn来自正态总体 X  N (,2 ),,2 未知,求, 2 的极大似然估计。 解 设 (x 1,x2,…,xn )为对应的样本观察值,则关于, 2得似然函数为              n i x x n n i i i e e L 1 ( ) 2 1 2 2 2 2 (2 ) , 2 1 ( , ) 1 2 2 2 2         于是       n i i x n n L 1 2 2 2 2 ( ) 2 1 ln 2 ln 2 2 ln ( , )                             n i i n i i x L n x L 1 2 2 2 4 1 2 ( ) 0. 2 1 2 ln ( ) 0, ln 1        解之得        n i i n i i x x n x n 1 2 2 1 ( ) 1 , ˆ 1 ˆ  易验证, 为 L(, 2 ˆ ,ˆ 2 )得最大值点。因此, ˆ ,ˆ 2 的极大似然估计值为        n i i n i i x x n x n 1 2 2 1 ( ) 1 , ˆ 1 ˆ  注意,若参数 已知,则2 的极大似然估计为     n i i x n 1 2 2 ( ) 1 ˆ  3. 3. 点估计的评价标准 点估计的评价标准 点估计的评价标准 点估计的评价标准 从上节可以看出,对同一个未知参数,可以由多种方法进行估计,即使用同一种方 法,有时也可到多个估计量。我们总希望得到的估计量能代表总体的真实参数,那么在 同一参数的许多可能的估计量中那一个是最好的估计量呢?自然地想到,需要有一个评 价估计量优劣的标准。在本节中我们给出三个评价的标准。 (1) (1) 无偏性 估计量ˆ ( X1 , X 2 ,, X n ) 是一个随机变量,对一次具体的观察或实验的结果,估计值 可能较真实的参数值偏小或偏大,在多次试验中所得的估计量的平均值应与真实参数吻 合,这就是无偏性所要求的。 定义 设 X1,X2 ,…,Xn为来自总体 X 的样本,  为总体的未知参数,ˆ 为
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有