(常用算法2)矩估计与最大似然估计

估计:即是通过已知样本求出未知的整体参数;

一、矩估计

矩的概念

设有自然数k,常数a,随机变量x,则 E(xa)k 称之为随机变量x基于常数a的k阶矩;当常数a = 0时,则称之为原点矩;

矩估计方法

即通过上述k阶矩的方法估计整体的范围。

例:通过一阶矩与二阶矩估计整体

设总体X服从区间[a,b]的均均分布,a、b未知, x1x2...xn 是X的样本值,求a,b;
上述中,欲求两个未知参数,则至少需有两个方程,我们采用一阶原点矩与二阶原点矩来估计a与b;

E(X)=a+b2=x1+x2+...+xnn

E(X2)=D(X)+[E(X)]2=(ba)212+(b+a)24

=x21+x22+...+x2nn

因为 x1x2...xn 为已知参数,则联立上述两个公式,可求得a与b;

二、最大似然估计

最大似然估计方法

若总体X的分布律P{X=x}=p(x; θ ),当样本值为 x1x2...xn 时的概率为

L(θ)=i=1np(xi,θ)

最大似然估计,即是求当 L(θ) 为最大值为, θ 的值;
最大似然估计的求解步聚:
1、求出分布率公式p(x; θ )
2、求出 L(θ)=ni=1p(xi,θ)
3、求出 dln(L(θ))dθ=0
注:第3步求解的目的是 L(θ) 的最大值点在极值点上,因需 L(θ) 的导数为0的点;又因为 L(θ) 直接求极值较复杂,而 ln(L(θ)) 不会影响函数的单调性,因此用 ln(L(θ)) 来求 θ

设X~b(1,p), x1x2...xn 是X的样本值,求参数p的最大似然估计;
1、可知P(X=x) = px(1p)1x
2、求 L(θ)

L(θ)=i=1npxi(1p)1xi

3、求 dln(L(θ))dθ=0
通过该方法则可求出p值;

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值