X |
p |
| ||
100 |
∵P(X=k)=
C | kn |
∴似然函数为L(p)=
n |
i=1 |
C | xi100 |
∴ln(L(p))=
n |
i=1 |
C | xi100 |
∴由
d(ln(L(p))) |
dp |
p |
| ||
100 |
二项分布就是n个两点分布,两点分布的概率是P=p^x(1-p)^(1-x),所以似然函数 L=p^∑Xi(1-p)^(n-∑Xi),构造 lnL=∑Xilnp+(n-∑Xi) ln(1-p),对p进行求导,令其结果等于0,就是∑Xi/p+(n-∑Xi)/(1-p)=0,通分后令分母等于0,可以得到p=(∑Xi)/n
求极大似然函数估计值的一般步骤:
(1) 写出似然函数;
(2) 对似然函数取对数,并整理;
(3) 求导数 ;
(4) 解似然方程 。
扩展资料:
极大似然估计只是一种粗略的数学期望,要知道它的误差大小还要做区间估计。极大似然估计是建立在这样的思想上:已知某个参数能使这个样本出现的概率最大,我们当然不会再去选择其他小概率的样本,所以干脆就把这个参数作为估计的真实值。
极大似然估计,只是一种概率论在统计学的应用,它是参数估计的方法之一。说的是已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出参数的大概值。
参考资料来源:百度百科——极大似然估计
解:本题利用了估计量法中的矩估计法求解。
扩展资料:
求解估计量的其他方法:
极大似然估计方法:
(1) 写出似然函数;
(2) 对似然函数取对数,并整理;
(3) 求导数 ;
(4) 解似然方程 。
2利用高等数学中求多元函数的极值的方法,有以下极大似然估计法的具体做法:
(1)根据总体的分布,建立似然函数
;
(2) 当 L 关于
可微时,(由微积分求极值的原理)可由方程组
:
定出
,称以上方程组为似然方程
因为 L 与 Ln
有相同的极大值点,所以
也可由方程组
定出
,称以上方程组为对数似然方程;
就是所求参数
的极大似然估计量。
当总体是离散型的,将上面的概率密度函数
,换成它的分布律
参考资料来源:百度百科- 矩估计
参考资料来源:百度百科-极大似然估计
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)