第七章 参数估计

统计推断的基本问题可以分为两大类，一类是估计问题，另一类是假设检验委托。本章讨论总体参数的点估计和区间估计。——概率论与数理统计浙大版

  本章主要介绍了参数估计的点估计和区间估计。

13.

（2）试求均匀分布$$f(x)=\{\begin{array}{ll}\frac{1}{\theta },& 0<x⩽\theta ,\\ 0,& \text{其他}\end{array}$$中未知参数$\theta$的最大似然估计量。

证  似然函数为
$$L(\theta )=\{\begin{array}{ll}\frac{1}{{\theta }^n},& 0<x_1,x_2,\cdots ,x_n⩽\theta ,\\ 0,& \text{其他}.\end{array}$$
  记 x ( n ) = max ⁡ { x 1 , x 2 , ⋯   , x n } x_{(n)}=\max\{x_1,x_2,\cdots,x_n\} x(n)​=max{x1​,x2​,⋯,xn​}，由于$x_1,x_2,\cdots ,x_n⩽\theta$相当于$x_{(n)}⩽\theta$，因而上式相当于
$$L(\theta )=\{\begin{array}{ll}\frac{1}{{\theta }^n},& \theta ⩾x_{(n)},\\ 0,& \theta <x_{(n)}\end{array}$$
  可知当$\theta <x_{(n)}$时，$L(\theta )=0$；而当$\theta ⩾x_{(n)}$时，$L(\theta )$的随$\theta$增加而减少；故$L(\theta )$在$x_{(n)}$处取到最大值，即得$\theta$的最大似然估计值为
θ ^ = x ( n ) = max ⁡ { x 1 , x 2 , ⋯   , x n } . \hat{\theta}=x_{(n)}=\max\{x_1,x_2,\cdots,x_n\}. θ^=x(n)​=max{x1​,x2​,⋯,xn​}.
  于是$\theta$的最大似然估计量为
θ ^ = max ⁡ { x 1 , x 2 , ⋯   , x n } . \hat{\theta}=\max\{x_1,x_2,\cdots,x_n\}. θ^=max{x1​,x2​,⋯,xn​}.

写在最后

  如果觉得文章不错就点个赞吧。另外，如果有不同的观点，欢迎留言或私信。
   欢迎非商业转载，转载请注明出处。
  常见分布见附录一，传送门在这里。