极大似然估计法
概率论与数理统计典型教案教学内容:极大似然估计法 教学目的:通过本节内容的教学,使学生:1、明确极大似然估计法是在总体分布类型已知的情况下的一种常用 的参数估计方法;2、理解极大似然思想;3、掌握求极大似然估计值的一般步骤,会求常见分布参数的极大似 然估计值.教学重点:1、对极大似然思想阐述;2、极大似然估计值的求解.教学难点:对不能通过求导方法获得极大似然估计的值的确定.教学时数:2学时.教学过程:引例: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,野兔应声到下,如果要你推测,这一发命中的子弹是谁打的? 你就会想,只发一枪便打中,由于猎人命中的概率一般大于这位同学命中 的概率,看来这一枪是猎人射中的.这个例子所作的推断就体现了极大似然法的基本思想.一、极大似然思想一般地说,事件A与参数9 e0有关,0取值不同,则P (A)也不同.若A发生了,则认为此时的0值就是0的估计值.这就是极大似然思想.看 一例子:例1、设袋中装有许多黑、白球,不同颜色球的数量比为3:1, 试设计一种方法,估计任取一球为黑球的概率P .分析:易知P的值无非是1/4或3/4.为估计P的值,现从袋中有放回地任取3只球,用X表示其中的黑球数,则Xb(3,P) .按极大似然 估计思想,对P的取值进行估计.解:对P的不同取值,X取k = 0,1,2,3的概率可列表如下:X0123P = 1427 / /6427/ .,64964/64P = 34,%496427 / .6427 / ,64 ,I 蚪,k = 0,1 故根据极大似然思想即知:P = E4I 亳,k = 2,3在上面的例子中,P是分布中的参数,它只能取两个值:1/4或3/4, 需要通过抽样来决定分布中参数究竟是1/4还是3/4.在给定了样本观测 值后去计算该样本出现的概率,这一概率依赖于P的值,为此需要用1/4、 3/4分别去计算此概率,在相对比较之下,哪个概率大,则P就最象那个.二、似然函数与极大似然估计1、离散分布场合:设总体X是离散型随机变量,其概率函数为p(x;0 ),其中0是未知参数.设X ,X,,X为取自总体X的样本.X ,X,,X的联合概率函数 12n12n为Hp(X.;9 ),这里,0是常量,X,X ,-,X是变量.i=1若我们已知样本取的值是X , X,,X,则事件12 nX = x ,X = x,,X = x 发生的概率为Hp(x ;0) .这一概率随0的 1122n nii=1值而变化.从直观上来看,既然样本值X ,X,,X出现了,它们出现的 12 n概率相对来说应比较大,应使Hp(x0)取比较大的值.换句话说,0应 i=1使样本值x ,x,,x的出现具有最大的概率.将上式看作0的函数,并用 12 nL(0)表示,就有:L(0) = L(x ,x,x ;0)= n p( x ;6)(i)12 nii=1称L(9)为似然函数.极大似然估计法就是在参数0的可能取值范围0内,- . . . . . . .选取使L(0)达到最大的参数值0 ,作为参数0的估计值.即取0,使T ZA X T /AxT /r/ O L(0) = L(x ,x,x ;0) = maxL(x ,x,x ;0)(2 )12 n0e0 12 n因此,求总体参数0的极大似然估计值的问题就是求似然函数L(0 )的最大值问题.这可通过解下面的方程竺) = 0(3)d0来解决.因为lnL是L的增函数,所以lnL与L在0的同一值处取得最大值.我们称l (0) = ln L(0)为对数似然函数.因此,常将方程(3)写成:d 血 L(0) = (4)d0方程(4)称为似然方程.解方程(3)或(4)得到希就是参数0的 极大似然估计值.如果方程(4)有唯一解,又能验证它是一个极大值点,则它必是 所求的极大似然估计值.有时,直接用(4)式行不通,这时必须回到 原始定义(2 )进行求解.2、连续分布场合:设总体X是连续离散型随机变量,其概率密度函数为f (x;0 ),若取得样本观察值为x , x,,x,则因为随机点(X , X,,X )取值为 12 n12n(x ,x , .,x )时联合密度函数值为Hf (x ;0 ) .所以,按极大似然法,应12nii=1选择0的值使此概率达到最大.我们取似然函数为L(0) = H f (x ;0),再按前述方法求参数0的极大似然估计值.ii =1三、求极大似然估计的方法1、可通过求导获得极大似然估计:当函数关于参数可导时,常可通过求导方法来获得似然函数极大值 对应的参数值.例2、设某工序生产的产品的不合格率为p,抽个产品作检验,发 现有T个不合格,试求p的极大似然估计.分析:设X是抽查一个产品时的不合格品个数,则X服从参数为p 的二点分布b(1,p) .抽查n个产品,则得样本X 1,X2,X,其观察值为 x ,x,,x,假如样本有T个不合格,即表示X ,x,,x中有T个取值为12 n12 n1,n - T个取值为0.按离散分布场合方法,求p的极大似然估计.解:(1)写出似然函数:L(p) = Flpx(1 - P)1-xii=1(2) 对L( p)取对数,得对数似然函数l (p):l(p) = Xx Inp + (1 - x )ln(1 - p) = nln(1 - p) + Xx Inp -ln(1 - p)i = 1i = 1(3) 由于l (p)对p的导数存在,故将l (p)对p求导,令其为0,得似然方程:些=-二 + Xx (1 + 工)=-二 + Xx = 0dp 1 - p = i p 1 - p1 - p p (1 - p) = i1(4) 解似然方程得:p = X x. - xi =1(5) 经验证,在p = x时,到0 0,这表明p = x可使似然函数dp 2达到最大(6) 上述过程对任一样本观测值都成立,故用样本代替观察值便得p的极大似然估计为:p = XT . 将观察值代入,可得p的极大似然估计值为:p = x = 一,其中n5T =乙 x .i=1若总体X的分布中含有多个未知参数6 ,6 ,.,6时,似然函数L是 12 k这些参数的多元函数L(6 ,.,6k) .代替方程(3),我们有方程组竺四=0(i = 1,2,k),由这个方程组解得66 ,66,,66分别是参数361 2 ki6 ,6 ,.,6 的极大似然估计值12 k例3、设某机床加工的轴的直径与图纸规定的中心尺寸的偏差服从N(四,。2),其中日q2未知.为估计日,c2,从中随机抽取n = 100根轴,测得其偏差为x ,x ,.,x .试求四,C2的极大似然估计. 12100分析:显然,该问题是求解含有多个(两个)未知参数的极大似然 估计问题.通过建立关于未知参数四Q 2的似然方程组,从而进行求解.解:(1)写出似然函数:X 0-叩 n 1-(xi )2n _ L(u,c2) = Re 2c2 = (2兀c2) 2e 2c22ei=1(2)写出对数似然函数:一n 一 _1 t2l(u,c2) = _ln(2愈 2)_U (x _u)22c 2ii=1(3)将l (u ,c 2)分别对u、c 2求偏导,并令它们都为0,得似然方*12 二 (X -p )2 =06ua 2 ii=1da 2初(四,a2)_n +上 )2 = 02a 2 2a 4ii=1(4) 解似然方程组得:-一 一 1 项/ 一、一pi = X , a 2 =乙(X - x)2n i=1(5) 经验证p,a 2使l(p,a 2)达到极大,(6) 上述过程对一切样本观察值成立,故用样本代替观察值,便得四,a 2的极大似然估计分别为: 一 .1 V p = X , a 2 = 乙(X X)2 = S2 . n ini=12、不可通过求导方法获得极大似然估计:当似然函数的非零区域与未知参数有关时,通常无法通过解似然方 程来获得参数的极大似然估计,这时可从定义(2)出发直接求(9)的 极大值点.例4、设总体X服从均匀分布U(0,9),从中获得容量为n的样本X ,X,,X,其观测值为X ,X,,X,试求9的极大似然估计. 12n12 n分析:当写出其似然函数L(9)时,我们会发现L(9)的非零区域与9有 关,因而无法用求导方法来获得9的极大似然估计,从而转向定义(2) 直接求L(9)的极大值.解:写出似然函数:L(9) = 9-n,0 X(1) %)展10,其它场合为使L(9 )达到极大,就必须使9尽可能小,但是9不能小于七),因而0取x(n)时使L(e)达到极大,故0的极大似然估计为:0 = X .(n)进一步,可讨论估计0的无偏性:由于总体XU(0,0),其密度函数与分布函数分别为:,0 x 00,0,其它0, x 0F(x) = J-X,0vx0为:p = nF(y)-1 p(y) = ,0 y 0 ,人未知.现从中抽取了 n个元件测得其失效时间为X ,X , ,X,试求人及平均寿命的极大似然估计.12 n分析:可先求人的极大似然估计,由于元件的平均寿命即为X的期望 值,在指数分布场合,有E(X) = L,它是人的函数,故可用极大似然估计 力的不变原则,求其极大似然估计.y解:(1)写出似然函数:L(k) =H Xe卞=Xne危i=1(2)取对数得对数似然函数:l(X) = nlnX-xXxii=1(3)将i (X)对x求导得似然方程为:哗西=n _ dx X(4)解似然方程得:尤=n乎x Xii=1经验证,尤能使l(X)达到最大,由于上述过程对一切样本观察值成人1立,故X的极大似然估计为:人=1X根据极大似然估计的不变原则,元件的平均寿命的极大似然估计为:, 、 1 E (X) = = X .力五、小结1、极大似然估计的思想;2、求解未知参数极大似然估计的一般步骤;3、极大似然估计的不变原则.五、作业见参考文献1的第278页第4,5, 6页.参考文献:1、苏均和主编:概率论与数理统计,上海财经大学出版社.1999年1版.2、茆诗松等编著:概率论与数理统计,中国统计出版社.1999年1版.3、魏振军编:概率论与数理统计三十三讲,中国统计出版社.2000年1版.4、唐生强主编:概率论与数理统计复习指导,科学出版社.1999年1版.
收藏
- 资源描述:
-
《概率论与数理统计》典型教案
教学内容:极大似然估计法 教学目的:
通过本节内容的教学,使学生:
1、 明确极大似然估计法是在总体分布类型已知的情况下的一种常用 的参数估计方法;
2、 理解极大似然思想;
3、 掌握求极大似然估计值的一般步骤,会求常见分布参数的极大似 然估计值.
教学重点:
1、 对极大似然思想阐述;
2、 极大似然估计值的求解.
教学难点:
对不能通过求导方法获得极大似然估计的值的确定.
教学时数:2学时.
教学过程:
引例: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,野兔应声到下,如果要你推测,这一发命中的子弹是谁打的? 你就会想,只发一枪便打中,由于猎人命中的概率一般大于这位同学命中 的概率,看来这一枪是猎人射中的.
这个例子所作的推断就体现了极大似然法的基本思想.
一、极大似然思想
一般地说,事件A与参数9 e0有关,0取值不同,则P (A)也不同.若
A发生了,则认为此时的0值就是0的估计值.这就是极大似然思想.看 一例子:例1、设袋中装有许多黑、白球,不同颜色球的数量比为3:1, 试设计一种方法,估计任取一球为黑球的概率P .
分析:易知P的值无非是1/4或3/4.为估计P的值,现从袋中有放
回地任取3只球,用X表示其中的黑球数,则X〜b(3,P) .按极大似然 估计思想,对P的取值进行估计.
解:对P的不同取值,X取k = 0,1,2,3的概率可列表如下:
X
0
1
2
3
P = 14
27 / /64
27/ .,'64
964
/64
P = 34
,%4
964
27 / .'64
27 / ,64
, I 蚪,k = 0,1 故根据极大似然思想即知:P = E4
I 亳,k = 2,3
在上面的例子中,P是分布中的参数,它只能取两个值:1/4或3/4, 需要通过抽样来决定分布中参数究竟是1/4还是3/4.在给定了样本观测 值后去计算该样本出现的概率,这一概率依赖于P的值,为此需要用1/4、 3/4分别去计算此概率,在相对比较之下,哪个概率大,则P就最象那个.
二、似然函数与极大似然估计
1、离散分布场合:
设总体X是离散型随机变量,其概率函数为p(x;0 ),其中0是未知参
数.设X ,X,…,X为取自总体X的样本.X ,X,…,X的联合概率函数 1 2 n 1 2 n
为Hp(X.;9 ),这里,0是常量,X],X ,•-,X是变量.
i=1
若我们已知样本取的值是X , X,…,X,则事件
1 2 n
{X = x ,X = x,…,X = x }发生的概率为Hp(x ;0) .这一概率随0的 112 2 n n i
i=1
值而变化.从直观上来看,既然样本值X ,X,…,X出现了,它们出现的 12 n
概率相对来说应比较大,应使Hp(x「0)取比较大的值.换句话说,0应 i=1
使样本值x ,x,…,x的出现具有最大的概率.将上式看作0的函数,并用 12 n
L(0)表示,就有:
L(0) = L(x ,x,…,x ;0)= n p( x ;6) (i)
1 2 n i
i=1
称L(9)为似然函数.极大似然估计法就是在参数0的可能取值范围0内,
- ... . . . . .... ........
选取使L(0)达到最大的参数值0 ,作为参数0的估计值.即取0,使
T ZA X T / Ax T / r\\ / O \
L(0) = L(x ,x,…,x ;0) = maxL(x ,x,…,x ;0) (2 )
1 2 n 0e0 1 2 n
因此,求总体参数0的极大似然估计值的问题就是求似然函数L(0 )
的最大值问题.这可通过解下面的方程竺°) = 0 (3)
d0
来解决.因为lnL是L的增函数,所以lnL与L在0的同一值处取得最大
值.我们称l (0) = ln L(0)为对数似然函数.因此,常将方程(3)写成:
d 血 L(0) = ° (4)
d0
方程(4)称为似然方程.解方程(3)或(4)得到希就是参数0的 极大似然估计值.
如果方程(4)有唯一解,又能验证它是一个极大值点,则它必是 所求的极大似然估计值.有时,直接用(4)式行不通,这时必须回到 原始定义(2 )进行求解.
2、连续分布场合:
设总体X是连续离散型随机变量,其概率密度函数为f (x;0 ),若取
得样本观察值为x , x,…,x,则因为随机点(X , X,…,X )取值为 1 2 n 1 2 n
(x ,x , ...,x )时联合密度函数值为Hf (x ;0 ) .所以,按极大似然法,应
12 n i
i=1
选择0的值使此概率达到最大.我们取似然函数为
L(0) = H f (x ;0),再按前述方法求参数0的极大似然估计值.
i
i =1
三、求极大似然估计的方法
1、可通过求导获得极大似然估计:
当函数关于参数可导时,常可通过求导方法来获得似然函数极大值 对应的参数值.
例2、设某工序生产的产品的不合格率为p,抽〃个产品作检验,发 现有T个不合格,试求p的极大似然估计.
分析:设X是抽查一个产品时的不合格品个数,则X服从参数为p 的二点分布b(1,p) .抽查n个产品,则得样本X 1,X2,…,X,其观察值为 x ,x,…,x,假如样本有T个不合格,即表示X ,x,…,x中有T个取值为
1 2 n 1 2 n
1,n - T个取值为0.按离散分布场合方法,求p的极大似然估计.
解:(1)写出似然函数:L(p) = Flpx「(1 - P)1-xi
i=1
(2) 对L( p)取对数,得对数似然函数l (p):
l(p) = X[x Inp + (1 - x )ln(1 - p)] = nln(1 - p) + Xx [Inp -ln(1 - p)]
i = 1 i = 1
(3) 由于l (p)对p的导数存在,故将l (p)对p求导,令其为0,得
似然方程:些=-二 + Xx (1 + 工)=-二 + — Xx = 0
dp 1 - p = i p 1 - p 1 - p p (1 - p) = i
1
(4) 解似然方程得:p = —X x. - x
i =1
(5) 经验证,在p = x时,到0 < 0,这表明p = x可使似然函数
dp 2
达到最大
(6) 上述过程对任一样本观测值都成立,故用样本代替观察值便得
p的极大似然估计为:p = X
T …. 将观察值代入,可得p的极大似然估计值为:p = x = 一,其中
n
5«
T =乙 x .
i=1
若总体X的分布中含有多个未知参数6 ,6 ,...,6时,似然函数L是 1 2 k
这些参数的多元函数L(6 ,.,6k) .代替方程(3),我们有方程组
竺四=0(i = 1,2,…,k),由这个方程组解得66 ,66,…,66分别是参数
36 1 2 k
i
6 ,6 ,.,6 的极大似然估计值.
12 k
例3、设某机床加工的轴的直径与图纸规定的中心尺寸的偏差服从
N(四,。2),其中日q2未知.为估计日,c2,从中随机抽取n = 100根轴,
测得其偏差为x ,x ,...,x .试求四,C2的极大似然估计. 1 2 100
分析:显然,该问题是求解含有多个(两个)未知参数的极大似然 估计问题.通过建立关于未知参数四Q 2的似然方程组,从而进行求解.
解:(1)写出似然函数:
X 0-叩 n 1 -(xi ~^)2 n _
L(u,c2) = R e 2c2 = (2兀c2) 2e 2c2
2e
i=1
(2)写出对数似然函数:
一 n 一 _ 1 t 2
l(u,c2) = _—ln(2愈 2)_ U (x _u)
2 2c 2 i
i=1
(3)将l (u ,c 2)分别对u、c 2求偏导,并令它们都为0,得似然方
*12 二 £ (X -p )2 =0
6u a 2 i
i=1
da 2
初(四,a2)_ n +上 £ )2 = 0
2a 2 2a 4 i
i=1
(4) 解似然方程组得:
-一 '一 1 项/ 一、一
pi = X , a 2 =乙(X - x)2
n i=1
(5) 经验证p,a 2使l(p,a 2)达到极大,
(6) 上述过程对一切样本观察值成立,故用样本代替观察值,便得
四,a 2的极大似然估计分别为:
• 一 . 1 V ―
p = X , a 2 = 乙(X — X)2 = S2 . n i n
i=1
2、不可通过求导方法获得极大似然估计:
当似然函数的非零区域与未知参数有关时,通常无法通过解似然方 程来获得参数的极大似然估计,这时可从定义(2)出发直接求£(9)的 极大值点.
例4、设总体X服从均匀分布U(0,9),从中获得容量为n的样本
X ,X,…,X,其观测值为X ,X,…,X,试求9的极大似然估计. 1 2 n 1 2 n
分析:当写出其似然函数L(9)时,我们会发现L(9)的非零区域与9有 关,因而无法用求导方法来获得9的极大似然估计,从而转向定义(2) 直接求L(9)的极大值.
解:写出似然函数:
L(9) = ]9-n,0 X(1) %)展
1 0,其它场合
为使L(9 )达到极大,就必须使9尽可能小,但是9不能小于七〃),因而
0取x(n)时使L(e)达到极大,故0的极大似然估计为:
0 = X .
(n)
进一步,可讨论估计0的无偏性:
由于总体X〜U(0,0),其密度函数与分布函数分别为:
—,0 < x <0
0,
0,其它
'0, x < 0
F(x) = J-X,0vx<0,从而0 = X的概率密度函数 0 (n)
、1, X >0
为:p = n[F(y)]〃-1 p(y) = ^^,0 < y <0
0 0 n
E(0) = E(X ) = f0 yp.(y)dy = J0^^-dy = -^0 湘
(n) 0 0 0 0 n n +1
一 ... 人 .. ... . …
这说明0的极大似然估计0= X 不是0的无偏估计,但对0作一修正可
(n)
得0的无偏估计为:0 = n * 1 X .
1 n (n)
通过修正获得未知参数的无偏估计,这是一种常用的方法.在二次 世界大战中,从战场上缴获的纳粹德国的枪支上都有一个编号,对最大编 号作一修正便获得了德国生产能力的无偏估计.
综上,可得求极大似然估计值的一般步骤.
四、求极大似然估计的一般步骤
1、 由总体分布导出样本的联合概率函数(或联合密度);
2、 把样本联合概率函数(或联合密度)中自变量看成已知常数,而 把参数0看作自变量,得到似然函数L(0);
3、 求似然函数L(0)的最大值点(常转化为求对数似然函数l(0)的最 大值点);
4、 在最大值点的表达式中,用样本值代入就得参数的极大似然估计 值.
五、极大似然估计的不变性
求未知参数0的某种函数g(9)的极大似然估计可用极大似然估计的 不变原则,证明从略.
定理(不变原则)设&是0的极大似然估计,g(0)是0的连续函数,
.. ・、• 一 - 人
则g(0)的极大似然估计为g(0).
例5、设某元件失效时间服从参数为人的指数分布,其密度函数为
f (x;人)=",X > 0 ,人未知.现从中抽取了 n个元件测得其失效时间为
X ,X , ,X,试求人及平均寿命的极大似然估计.
1 2 n
分析:可先求人的极大似然估计,由于元件的平均寿命即为X的期望 值,在指数分布场合,有E(X) = L,它是人的函数,故可用极大似然估计 力
的不变原则,求其极大似然估计.
y\
解:(1)写出似然函数:L(k) =H Xe卞=Xne危」
i=1
(2)取对数得对数似然函数:l(X) = nlnX-xXx
i
i=1
(3)将i (X)对x求导得似然方程为:哗西=n _£ dx X
(4)解似然方程得:尤=n
乎x X
i
i=1
经验证,尤能使l(X)达到最大,由于上述过程对一切样本观察值成
人 1
立,故X的极大似然估计为:人=1
X
根据极大似然估计的不变原则,元件的平均寿命的极大似然估计为:
, 、 1 —
E (X) = = X .
力
五、小结
1、 极大似然估计的思想;
2、 求解未知参数极大似然估计的一般步骤;
3、 极大似然估计的不变原则.
五、作业
见参考文献1的第278页第4,5, 6页.
参考文献:
1、 苏均和主编:概率论与数理统计,上海财经大学出版社.1999年1版.
2、 茆诗松等编著:概率论与数理统计,中国统计出版社.1999年1版.
3、 魏振军编:概率论与数理统计三十三讲,中国统计出版社.2000年1版.
4、 唐生强主编:概率论与数理统计复习指导,科学出版社.1999年1版.
展开阅读全文