版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、概率統(tǒng)計(jì) 第二節(jié)第二節(jié) 極大似然法極大似然法極大似然法是在極大似然法是在總體類型已總體類型已知知條件下使用的一種參數(shù)估條件下使用的一種參數(shù)估計(jì)方法計(jì)方法 。它首先它首先是由德國數(shù)學(xué)家是由德國數(shù)學(xué)家高斯高斯( Gauss)在在 1821 年提出的年提出的 。Fisher然而然而,這個(gè)方法常歸功于英國,這個(gè)方法常歸功于英國統(tǒng)計(jì)學(xué)家統(tǒng)計(jì)學(xué)家費(fèi)歇(費(fèi)歇( Fisher ),費(fèi)),費(fèi)歇歇在在 1922 年重新發(fā)現(xiàn)了這一方年重新發(fā)現(xiàn)了這一方法,法, 并首先研究了這種方法的并首先研究了這種方法的一些性質(zhì)一些性質(zhì) 。Gauss概率統(tǒng)計(jì) 極大似然法的基本思想極大似然法的基本思想引例引例 1若某位同學(xué)與一位獵人一
2、起外若某位同學(xué)與一位獵人一起外出打獵出打獵 。一只野兔從前方竄過,只聽一只野兔從前方竄過,只聽一一聲槍響聲槍響,野兔應(yīng)聲倒下,野兔應(yīng)聲倒下 。試推測:試推測:這是誰打中的呢這是誰打中的呢 ? 因?yàn)橹话l(fā)一槍便打中,獵人因?yàn)橹话l(fā)一槍便打中,獵人命中的概率一般命中的概率一般大于大于這位同這位同學(xué)命中的概率。于是可推測學(xué)命中的概率。于是可推測這一槍是獵人射中的這一槍是獵人射中的 . 概率統(tǒng)計(jì)引例引例 2 設(shè)設(shè)X B(1, p), p 未知未知,若,若事先知道事先知道 p 只有兩只有兩種可能種可能: 試問:應(yīng)如何估計(jì)試問:應(yīng)如何估計(jì) p ?P = 0.7 或或 p = 0.3如今重復(fù)試驗(yàn)如今重復(fù)試驗(yàn) 3
3、 次,得結(jié)果次,得結(jié)果: 0 , 0, 0由概率論的知識(shí),可知:由概率論的知識(shí),可知:3 次試驗(yàn)中出現(xiàn)次試驗(yàn)中出現(xiàn) “1” 的次數(shù)的次數(shù)), 3(pBYk = 0, 1, 2, 33()(1)kn kP Ykppk 分析:分析:且:且:現(xiàn)將這計(jì)算結(jié)果列出如下:現(xiàn)將這計(jì)算結(jié)果列出如下:概率統(tǒng)計(jì) 將計(jì)算結(jié)果列表如下:將計(jì)算結(jié)果列表如下:p值值P(Y=0) P(Y=1) P( Y=2) P(Y=3) 0.7 0.027 0.189 0.441 0.343 0.3 0.343 0.441 0.189 0.027出現(xiàn)出現(xiàn)估計(jì)估計(jì)出現(xiàn)出現(xiàn)出現(xiàn)出現(xiàn)出現(xiàn)出現(xiàn)估計(jì)估計(jì)估計(jì)估計(jì)估計(jì)估計(jì)0.3430.4410.44
4、10.343注注: 引例引例1與引例與引例2都體現(xiàn)了極大似然法的都體現(xiàn)了極大似然法的基本思想基本思想 :當(dāng)試驗(yàn)中得到一個(gè)結(jié)果時(shí),應(yīng)選擇使得這個(gè)試當(dāng)試驗(yàn)中得到一個(gè)結(jié)果時(shí),應(yīng)選擇使得這個(gè)試驗(yàn)結(jié)果出現(xiàn)的概率達(dá)到驗(yàn)結(jié)果出現(xiàn)的概率達(dá)到最大最大的這個(gè)值作為參數(shù)的這個(gè)值作為參數(shù)的估計(jì)值的估計(jì)值概率統(tǒng)計(jì)定義定義:作作似然函數(shù):似然函數(shù):121(,)nlkkLf x 121(,)nlkkP x (1). 極大似然估計(jì)量的定義極大似然估計(jì)量的定義是相應(yīng)于樣本是相應(yīng)于樣本 12,nxxxnXXX,21的一組樣本值。的一組樣本值。其中:其中:設(shè)總體設(shè)總體X的概率密度函數(shù)為的概率密度函數(shù)為),(21lxf 或分布律為或
5、分布律為12( ,),lP x 12,l 為為未知參數(shù)未知參數(shù)。又設(shè)。又設(shè)使得似然函數(shù)使得似然函數(shù) L 達(dá)到達(dá)到極大值極大值的的12 ,l 或或概率統(tǒng)計(jì)稱為稱為參數(shù)參數(shù) 的的極大似然估計(jì)值極大似然估計(jì)值,記為:,記為:12,l 為參數(shù)為參數(shù) 的的極大似然估計(jì)量極大似然估計(jì)量12(,)inXXX i 注注:或或隨機(jī)點(diǎn)隨機(jī)點(diǎn) 取到取到 12(,)nXXX12,nxxx的概率。的概率。 12(,)inxxx (它與樣本值有關(guān)它與樣本值有關(guān)),似然函數(shù)似然函數(shù) L 是隨機(jī)點(diǎn)是隨機(jī)點(diǎn) 落在點(diǎn)落在點(diǎn)12(,)nXXX12(,)nxxx的鄰域的鄰域 (邊長分別為(邊長分別為ndxdxdx,21的的 n 維立
6、方體維立方體) 內(nèi)的概率;內(nèi)的概率;k 似然函數(shù)似然函數(shù) L 是是 的函數(shù)。的函數(shù)。記記統(tǒng)計(jì)量統(tǒng)計(jì)量:概率統(tǒng)計(jì)思路思路:從而此問題就從而此問題就轉(zhuǎn)化為轉(zhuǎn)化為一般的求函數(shù)的最大值問題一般的求函數(shù)的最大值問題. (2). 極大似然法的具體步驟極大似然法的具體步驟12(,)nXXX12,l 取到取到現(xiàn)要求現(xiàn)要求121211(,)(,)nnklklkkf xP x 或或的最大值,即求的最大值,即求 取什么值時(shí)函數(shù)取什么值時(shí)函數(shù) L達(dá)到最大。即其隨機(jī)點(diǎn)達(dá)到最大。即其隨機(jī)點(diǎn) 落在落在12(,)nxxx 的鄰域內(nèi)的概率或的鄰域內(nèi)的概率或 隨機(jī)點(diǎn)隨機(jī)點(diǎn)12(,)nxxx12(,)nXXX的概率最大。的概率最大
7、。概率統(tǒng)計(jì) 具體步驟具體步驟(1) 作似然函數(shù)作似然函數(shù)1( )(,)nkkLf x 1( )(,)nkkLP x (2)當(dāng)似然函數(shù)可微且當(dāng)似然函數(shù)可微且 的最大值能在參數(shù)空間的最大值能在參數(shù)空間取得時(shí),求方程組取得時(shí),求方程組: 的解,解得的解,解得( )L ln ( )0L 一解為一解為 ,則,則 為為極大似然估計(jì)量(值)極大似然估計(jì)量(值)。 注注: 因?yàn)橐驗(yàn)?與與 有相同的最大值點(diǎn),而且有相同的最大值點(diǎn),而且對數(shù)函數(shù)是單調(diào)增的,對數(shù)函數(shù)是單調(diào)增的, 求求 比求比求 方便,所以方便,所以常取常取前者作為似然函數(shù)。前者作為似然函數(shù)。 ln ( )L max ( )L ( )L maxln
8、( )L 或或概率統(tǒng)計(jì) 按照求函數(shù)極值的方法,在求方程組:按照求函數(shù)極值的方法,在求方程組:ln ( )0L 的解后還應(yīng)該用極值的的解后還應(yīng)該用極值的充分條件充分條件對解做進(jìn)一步的判斷;對解做進(jìn)一步的判斷; 當(dāng)似然函數(shù)當(dāng)似然函數(shù)不可微不可微或方程組或方程組無解無解時(shí),則應(yīng)根據(jù)定時(shí),則應(yīng)根據(jù)定義直接尋求能使義直接尋求能使 達(dá)到最大值的解作為極大達(dá)到最大值的解作為極大似然估計(jì)量。似然估計(jì)量。( )L 極大似然估計(jì)法適用于極大似然估計(jì)法適用于多個(gè)未知參數(shù)多個(gè)未知參數(shù)的情形。的情形。但又由最值原理,如果最值存在,此方程組求得但又由最值原理,如果最值存在,此方程組求得的駐點(diǎn)即為所求的最值點(diǎn)。極大似然估計(jì)
9、法一般的駐點(diǎn)即為所求的最值點(diǎn)。極大似然估計(jì)法一般屬于這種情況,所以可直接按步驟屬于這種情況,所以可直接按步驟(2)求的其值。求的其值。概率統(tǒng)計(jì)例例1.求求: 的極大似然估計(jì)量的極大似然估計(jì)量2, 是是 X 的一個(gè)樣本值的一個(gè)樣本值12,nxxx2( ,),XN 2,設(shè)設(shè) 為為未知參數(shù)未知參數(shù), 解解:22()221( ;,)2xf xe X的密度函數(shù)為:的密度函數(shù)為: 作似然函數(shù):作似然函數(shù):22()2112ixniLe 2211()21()2niixne 為計(jì)算方便對為計(jì)算方便對 L 兩邊兩邊取對數(shù)取對數(shù)得得:概率統(tǒng)計(jì)令:令:21ln10niiLxn 222221ln1()022()niiL
10、nx 解得所求為解得所求為:11niixXn 2221111()()nniiiixxXnn與矩估計(jì)法與矩估計(jì)法所得的的結(jié)所得的的結(jié)論是一致的論是一致的(見例(見例1) niixnnL1222)(21ln2)2ln(2ln 概率統(tǒng)計(jì)例例2. 設(shè)設(shè) 為為參數(shù)都是未知參數(shù)都是未知的正態(tài)總體的的正態(tài)總體的一個(gè)樣本一個(gè)樣本 nXXX21,求求: 的極大似然估計(jì)的極大似然估計(jì))(tXP 解解:211( ,)niiXXNnn ()XtPnn()tn 22( ,),iXN 未知未知()P Xt 概率統(tǒng)計(jì)由例由例 3可知:可知: 的極大似然估計(jì)為的極大似然估計(jì)為 X 的極大似然估計(jì)為的極大似然估計(jì)為2 211(
11、)niiXXn ()P Xt的的極大似然估計(jì)極大似然估計(jì)為:為:()Xtn 其中其中:211()niiXXn 設(shè)設(shè) X1, X2, Xn 是取自總體是取自總體 X 的一個(gè)樣本,其的一個(gè)樣本,其密度函數(shù)為:密度函數(shù)為:0 其中其中1,01( )0,xxf x 其其它它求求 的極大似然估計(jì)的極大似然估計(jì). 例例4.概率統(tǒng)計(jì)作似然函數(shù):作似然函數(shù): niixL11)( 11()nniix (01)ix 則則對數(shù)似然函數(shù)對數(shù)似然函數(shù)為:為:1ln ( )ln(1)lnniiLnx 1in 1ln( )ln0 ,niidLnxd 對上式求導(dǎo)并令其為零,得:對上式求導(dǎo)并令其為零,得:從中從中解得:解得:1lnniinx 解:解:概率統(tǒng)計(jì)(3). 性質(zhì)性質(zhì)的函數(shù),的函數(shù),是是 )(uu 且具有單值反函數(shù)且具有單值反函數(shù)( ),u 又設(shè)又設(shè) 是是 X 的概率的概率 密度函數(shù)密度函數(shù) 中參數(shù)中參數(shù) 的極大似然估計(jì),的極大似然估計(jì),( ,)f x 證證:1212(,)max (,)nnL xxxL xxx ( )( )uuu( )uu 是是 的極大似然估計(jì)。的極大似然估計(jì)。( )u 則則 是是 的取的取值范圍值范圍 是是的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度車輛租賃與維修保養(yǎng)一體化合同16篇
- 2025年度門衛(wèi)服務(wù)與智慧城市建設(shè)合同4篇
- 2025年度車展期間車輛保險(xiǎn)及理賠服務(wù)合同4篇
- 2025年度國際會(huì)議論壇宣傳推廣及活動(dòng)組織服務(wù)合同4篇
- 2025版體育場館食堂承包與飲料銷售合同范本3篇
- 醫(yī)院與保安服務(wù)供應(yīng)商2025年度服務(wù)改進(jìn)合同3篇
- 二零二五年度模板木枋綠色供應(yīng)鏈建設(shè)合同4篇
- 二零二五年度二手車交易合同示范文本3篇
- 二零二五版零副食品電商平臺(tái)支付結(jié)算服務(wù)合同4篇
- 2025年度廠房設(shè)備租賃與產(chǎn)業(yè)鏈整合合同范本4篇
- 數(shù)學(xué)-山東省2025年1月濟(jì)南市高三期末學(xué)習(xí)質(zhì)量檢測濟(jì)南期末試題和答案
- 中儲(chǔ)糧黑龍江分公司社招2025年學(xué)習(xí)資料
- 湖南省長沙市2024-2025學(xué)年高一數(shù)學(xué)上學(xué)期期末考試試卷
- (完整版)小學(xué)生24點(diǎn)習(xí)題大全(含答案)
- 四川省2023年普通高等學(xué)校高職教育單獨(dú)招生文化考試(中職類)數(shù)學(xué)試題(原卷版)
- 2024年3月江蘇省考公務(wù)員面試題(B類)及參考答案
- 醫(yī)院科室考勤表
- 春節(jié)期間化工企業(yè)安全生產(chǎn)注意安全生產(chǎn)
- 數(shù)字的秘密生活:最有趣的50個(gè)數(shù)學(xué)故事
- 移動(dòng)商務(wù)內(nèi)容運(yùn)營(吳洪貴)任務(wù)一 移動(dòng)商務(wù)內(nèi)容運(yùn)營關(guān)鍵要素分解
- 基于ADAMS的汽車懸架系統(tǒng)建模與優(yōu)化
評論
0/150
提交評論