L(0:x1…,Xn)=fx,0Ax 达到最大值的,便可得到极大似然估计。综上所述知道,连续型母体的参数的极大似然估计 同样可以用(6.8)与(6.9)两式表示。 由于mx是x的单调增函数,使 L0(X1…,Xn)=BmL(X1,,Xm) (6.10) 成立的日也使(6.9)成立,所以有时我们只要从(6.10)中求石就好了。(例题略) 极大似然估计有一简单而有用的性质。 性质设0为fx:0)中参数0的极大似然估计,并且函数u=u(O)有反函数0 0(u),则i=u(0)是0)的极大似然估计。这里0∈Φ,u为u(0)的值域。(证明略) 极大似然估计量还有一个重要性质一渐近正态性,这对以后在大子样情形求参数的区 间估计和进行假设检验时很有用。杜克首先提出这一性质的证明。下面我们对连续型随机变 量以定理的形式叙述这一性质。对离散型随机变量,只要以求和号代积分号,便可得到类似 的定理。 定理6.1设随机变量5具有密度函数f(x,),未知参数日∈中,中为非退化区 间,假定 ①对于任何一个E中和任一个数x偏号数be,06g和6gI存在 ∂0 081 a81 (2)对于中中每一个0值,不等式 larl fF.(). 'f <F,() a03 (6.19) 成立,其中函数F,(x),F,(x)在整个数轴上(-,0)可积,而函数F,(x)满足不等 式 F(x)f(x;0d<M (6.20) 其中M与0无关: (3)对于中中每一个0, E2g-()}f0达<0 (6.21) 于是若分布参数日的未知真值日。为中的一个内点,则方程 alogL- a0L( ;x 1 ,… ,x n )= i n i i f x x =1 ( ; ) 达到最大值的,便可得到极大似然估计。综上所述知道,连续型母体的参数的极大似然估计 同样可以用(6.8)与(6.9)两式表示。 由于 lnx 是 x 的单调增函数,使 lnL (x 1 ,… ,x n )= sup lnL(x 1 ,… ,x n ) (6.10) 成立的 也使(6.9)成立,所以有时我们只要从(6.10)中求 就好了。(例题略) 极大似然估计有一简单而有用的性质。 性质 设 为 ( ) f x1; 中参数 的极大似然估计,并且函数 u=u( )具有反函数 = (u),则 u = u ( )是 u( )的极大似然估计。这里 ∈ ,u 为 u( )的值域。(证明略) 极大似然估计量还有一个重要性质—渐近正态性,这对以后在大子样情形求参数的区 间估计和进行假设检验时很有用。杜克首先提出这一性质的证明。下面我们对连续型随机变 量以定理的形式叙述这一性质。对离散型随机变量,只要以求和号代积分号,便可得到类似 的定理。 定理 6.1 设随机变量 具有密度函数 f (x, ) ,未知参数 ∈ , 为非退化区 间,假定 (1)对于任何一个 ∈ 和任一个数 x 偏导数 log f , 2 2 log f 和 3 3 log f 存在; (2)对于 中每一个 值,不等式 ( ) 1 F x f , ( ) 2 2 2 F x f , ( ) 3 3 3 F x f (6.19) 成立,其中函数 F ( ) 1 x ,F ( ) 2 x 在整个数轴上(−, )可积,而函数 F ( ) 3 x 满足不等 式 F x f x; dx M − ( ) ( ) 3 (6.20) 其中 M 与 无关; (3)对于 中每一个 , 0<E[ 2 ) log ( f ]= − f x; dx f ) ( ) log ( 2 (6.21) 于是若分布参数 的未知真值 0 为 的一个内点,则方程 log L =0