矩估计

《矩估计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、3.矩估计法　矩估计法是求估计量的最古老的也是最直观的方法.它的基本思想就是用样本的平均值去估计总体的数学期望E(X),用样本的统计量           去估计总体的方差D(X),如下图所示：　              构成                   矩估计法样本(X1,X2,…,Xn)（统计量：样本均值（总体数学期望的估计量）               构成                                矩估计法样本(X1,X2,…,Xn)（统计量：样本方差）（总体方差的估计量）例3.7.1根据抽样调查,

2、以下是某班10名同学”高等数学”考试成绩,试用矩估计法估计总体的均值和标准差.    63  82  94  71  63  73  92  79  84  85解.设全班的”高等数学”的成绩为X，则其平均成绩为E(X),标准差为.由矩估计法公式有              =(63+82+94+71+63+73+92+79+84+85)/10=78.6,              ,     .　例3.7.2设总体X在[μ-ρ,μ+ρ]上服从均匀分布,μ、ρ未知,（X1,X2,…,Xn）是一个样本,试估计参数μ和ρ.解.因为总体X服从[

3、μ-ρ,μ+ρ]上的均匀分布,而均匀分布的数学期望        E(X)=(μ+ρ+μ-ρ)/2=μ,方差   D(X)=(μ+ρ-μ+ρ)2/12=ρ2/3.由上述公式估计:                4.极大似然估计法　在讲解极大似然估计法之前，我们从一个例子入手，了解极大似然估计法的直观想法:设甲箱中有99个白球，1个黑球；乙箱中有1个白球，99个黑球．现随机取出一箱，再从中随机取出一球，结果是黑球，这时我们自然更多地相信这个黑球是取自乙箱的．因此极大似然估计法就是要选取这样的数值作为参数的估计值，使所选取的样本在被选的总体中

4、出现的可能性为最大.定义.若总体X的密度函数为p(x;θ1,θ2,…,θk)，其中θ1,θ2,…,θk是未知参数，(X1,X2,…,Xn)是来自总体X的样本，称    为θ1,θ2,…,θk的似然函数．其中x1,x2,…,xn为样本观测值．若有使得    成立,则称为θj极大似然估计值(j=1,2,…,k).特别地,当k=1时,似然函数为:                 根据微积分中函数极值的原理，要求使得上式成立，只要令   其中L(θ)=L(x1,x2,…,xn;θ).                  解之，所得解为极大似然估计，

5、上式称为似然方程.    又由于与的极值点相同,所以根据情况,也可以求出的解作为极大似然估计.若总体X为离散型随机变量，其概率分布为:      P(X=x)=p(x;θ1,θ2,…,θk)其中θ1,θ2,…,θk为未知参数，同样可以写出似然函数及似然方程.例3.7.3已知总体X服从泊松分布       (λ>0, x=0,1,…) (x1,x2,…,xn)是从总体X中抽取的一个样本的观测值，试求参数λ的极大似然估计.解．参数λ的似然函数为    两边取对数:      上式对λ求导,并令其为0,即        从而得    即样本均值

6、是参数λ的极大似然估计.例3.7.4设总体X服从正态分布N(μ,σ2)，试求μ及σ2的极大似然估计.解．μ,σ的似然函数为   似然方程组为             解之得:    ,             .因此及分别是μ及σ2的极大似然估计.上面我们介绍了两种求估计量的方法：矩估计法和极大似然估计法.从矩估计法公式我们得到,对正态总体N(μ,σ2)，未知参数μ的矩估计为,σ2的矩估计为；而由例3.7.4,μ,σ2的极大似然估计也分别是与.一般地，在相当多的情况下，矩估计与极大似然估计是一致的，但也确有许多情形，矩估计法和极大似然估计

7、法给出的估计是不同的.谁优谁劣?我们可以用估计量的优劣标准进行评价．除此之外，亦可以根据问题的实际意义进行判定.