Fisher的极大似然思想
随机试验有多个结果,但在一次实验中,有且只有一个结果会出现。
如果在某次试验中,结果{
ω \omega ω}出现了,则认为该结果(事件 P P P{
ω \omega ω})发生的概率最大。
\quad
假设总体 X X X是离散型随机变量,其分布律为:
P { X = a k } = p k ( θ ) ( k = 1 , 2 , … ) P\{X=a_k\}=p_k(\theta)\quad (k=1,2,\dots) P{
X=ak}=pk(θ)(k=1,2,…)
其中 θ { θ ∈ Θ } \theta\{\theta\in\Theta\} θ{
θ∈Θ}是未知参数。
X 1 , X 2 , … , X n X_1,X_2,\dots,X_n X1,X2,…,Xn是来自总体的样本
x 1 , x 2 , … , x n x_1,x_2,\dots,x_n x1,x2,…,xn是样本观测值
即事件 { X 1 = x 1 , X 2 = x 2 , … , X n = x n } \{X_1=x_1,X_2=x_2,\dots,X_n=x_n\} {
X1=x1,X2=x2,…,Xn=xn}发生了,由fisher的极大似然思想可以得到:
概率 P { X 1 = x 1 , X 2 = x 2 , … , X n = x n } P\{X_1=x_1,X_2=x_2,\dots,X_n=x_n\} P{
X1=x1,X2=x2,…,Xn=xn}最大
P { X 1 = x 1 , X 2 = x 2 , … , X n = x n } P\{X_1=x_1,X_2=x_2,\dots,X_n=x_n\} P{
X1=x1,X2=x2,…,Xn=xn}
= P { X 1 = x 1 } P { X 2 = x 2 } … P { X n = x n } =P\{X_1=x_1\}P\{X_2=x_2\}\dots P\{X_n=x_n\} =P{
X1=x1}P{
X2=x2}…P{
Xn=xn}
= P { X = x 1 } P { X = x 2 } … P { X = x n } =P\{X=x_1\}P\{X=x_2\}\dots P\{X=x_n\} =P{
X=x1}P{
X=x2}…P{
X=xn}
= L ( θ ) =L(\theta) =L(θ)
定义1:设 X 1 , X 2 , … , X n X_1,X_2,\dots,X_n X1,X2,…,Xn是来自总体的样本, x 1 , x 2 , … , x n x_1,x_2,\dots,x_n x1,x2,…,xn是样本观测值。
1)若 X X X是离散型总体,其分布律为:
P { X = a k } = p k ( θ } ( k = 1 , 2 , … ) P\{X=a_k\}=p_k(\theta\}\quad (k=1,2,\dots) P{
X=ak}=pk(θ}(k=1,2,…)
令 L ( θ ) = L ( θ ; x 1 , x 2 , … , x n ) = ∏ i =