资源描述
第七章参数估计 7. 2最大似然估计法极大似然法的基本思想先看一个简单例子:某位同学与一位猎人一 起外出打猎.一只野兔从前方窜过只听一声枪响,野兔应声倒下如果要你推测,是谁打中的呢?你会如何想呢?选择一个参数使得实验结果具有最大概率极大似然估计原理:设X泌2,X”是取自总体X的一个样本, 样本的联合密度(连续型)或联合概率函数 (离散型)为八兀禺,当给定样本X”时,定义似 然函数为:L(&) =f (X19X2V.XW; q)似然函数:L(e)=f (x 泌2,X; 0)L(0)t作参数僚/函数,它可作为0将以多大可能产生样本值X泌2,X”的一种度量极大似然估计法就是用使厶(&沌到最大值的&去估计0L() = max L(&)e称$为&的极大似然估计(MLE)极大似然估计法若总体X属离散型,其分布律PX =x = P(兀;0),0g0的形式为已知,0为待估参数,)是珂能取值的范围。设X,X“是来自X的样本;贝见,,X“的联合分布律: 冇卩(七;&)1=1又设勺,心是,乙的_个样本值;易知样本X,X”取T,兀“的概率,亦即事件X=,X”=xn发生的概率为:Q(0) = (x1xn;) = PJp(x.;0),0 w0. (1.1)1=1它是附函数。1(0)称为样本的似然函数由极大似然估计法:,兀“;挑选使概率 厶(兀1,兀“;0)达到最大的参数作为附估计值,八 即取臟得:L(兀“心胡)=maxL(兀1,心;0)(1.2)八0e&八$与兀1,兀“有关,记为&(兀1,);称其为参数昭极大似然估计值3(X1,X称为参細的极大似然估计量若总体X属连续型,其概率密縻(兀;&),处0 的形式已知,0为待估参数;则X,X”的联合密度:n/uz;)1=1设X1,兀“是相应X,X“的一个样本值,则随 机点(兀,,X落在(心,九)的邻域(边长分别为 dx dxn的比维立方体)内的概率近似为:tf(xi=i我们取砒估计值矗使概率(13)取到最大值。但fpE不随師变,故只需考虑:L(0) = (xn - = J/(xt; 0),(1.4)1=1的最大值,这里(&)称为样本的似然函数八若乙(曲,兀“;&) = maxL(x1dp醞 2pmp)7H00 = 02求参数的最大似然估计的步骤:(1 )写出似然函数1( 0,2,仇)=1(兀1,兀 “;&1,&2,Q)(2 )取对数血(0,2,阳=2吋(七;久,&2,(3 )将对数似然函数对各参数求偏导数并 令其为零,得对数似然方程组。若总体分布 中只有一个耒知参数,则为一个方程,称对 数似然方程。.0k并记为(4)从方程组中解出匕,02, $ =玄(心儿) 玄扁2(兀,X”)攻=玄(心,X”)例2址,X”是来自X的一个样本,P206 试求参数p的极大似然估计量。F:设T,心是一个样本值。x的分布律为: PX=x = px(l-p)1x9 x = 0,1;故似然函数为”n七n-xiL(p) = Y pXi(l-p)1Xi =p (1-p) /=1 ,而 lnL(p) =(yx/)lnp + (n-xy)ln(L-p)e解得P的极大似然估计值x;=xP的极大似然估计量为例3 设X N (“,b?);,/为未知参数,曲,P207是来自区的_个样本值, 求:“Q?的极大似然估计量。解:X的概率密度为:/(x;cr2) =似然函数为:-r=exp417v(j 2a亍(兀一 “尸_2L_11二gb寿=-彳 ln3-? ln&2)-/(兀一 “)2(七-“尸InLL(“,bj = 口苹=exp 卜51n =Uv d/ndlnL 亍uda2 nx.-n = Ob 1=1n+2a2 2(a2)2Xi =整理得丫七- = 01=1V2 一 (-“)2=0i=l解得:2 =工七n 1=1将=壬代入,解得例4设XD0,甸;味知,屯,兀“是一个样本值,P210求册极大似然估计量。解:似然函数为一小二0; (i = l,2,,n)1(兀1,工2,兀“;0) = 0,其它01 = 0 时,有 lnLnnlne0对e求导,并令其为零,得- = 00对数似然函数无解,只能应用最大似然法 基本思想,选择8的最小可能值,使最大似然函数达到最大。即 =maxxjIV 0)故a是册极大似然估计
展开阅读全文