2最大似然估计法 1)似然函数(样本的联合密度函数) (1)设总体X为连续型,X~f(x;01,2,m),0;为待 估参数(i=1,2,…,m),X1,Ⅹ2,…,Xn为来自该总体的s.r.S,则 X:~f(x1;01,0 (X1,X2,…,Xn)的联合密度函数为(似然函数) L(x,x2,xn;0,02y…,n)=f(x;),2x…,mn 如Ⅹ~F(),即X~f(x;A) X>0 0 0 则 e >0 X;~f(x;) l0 X:≤0 λe^xx1>0,x2>0,,xn>0 L(x,x22x:0)=(x,)=1 0 其它1) 似然函数(样本的联合密度函数) (1) 设总体X为连续型,X～f(x;θ1,θ2,…θ m), θi为待 估参数(i=1,2,…,m),X1,X2,…,Xn为来自该总体的s.r.s,则 Xi ～f(xi;θ1,θ2,…θ m), (i=1,2,…,m) （X1,X2,…,Xn）的联合密度函数为 =    =    n i 1 1 2 n 1 2 m i 1 2 m L(x ,x ,...,x ; , ,..., ) f(x ; , ,..., ) (似然函数) 如 X~E(λ),即        = − 0 x 0 e x 0 X ~ f(x; ) x 则        = − 0 x 0 e x 0 X ~ f(x ; ) i i x i i i =  =  n i 1 1 2 n i L(x ,x ,...,x ; ) f(x , )          = = − 0 其 它 e x 0,x 0,...,x 0 1 2 n n i 1 xi 2 最大似然估计法