点估计与最大似然估计演示

实验目的

理解点估计的概念，掌握最大似然估计的思想和基本求解过程。

实验原理

设样本 x1,…,xn 的密度（或分布律）为 f(x;θ)，似然函数 L(θ)=∏f(xi;θ)。使 L(θ) 最大的 θ̂ 即最大似然估计，常对 ln L(θ) 求导并令其为 0 求解。正态总体 N(μ,σ²) 的结果：μ̂ = x̄，σ̂² = (1/n)Σ(xi − x̄)²。

实验器材

• 总体分布模型
• 样本数据
• 待估参数 θ
• 似然函数曲线
• 估计值标记

实验步骤

1. 选择总体分布，生成或输入一组样本
2. 观察样本分布，写出似然函数的形式
3. 改变参数 θ，观察似然函数值的变化
4. 找到似然函数取最大值时对应的 θ̂
5. 增大样本量，比较估计值与真实参数的接近程度

实验现象与结论

参数 θ 变化时，似然函数先升后降，存在一个最高点，对应的 θ 即最大似然估计值。样本量增大时，似然曲线更尖锐，估计值通常更接近真实参数。结论：最大似然估计选取使样本出现可能性最大的参数。

注意事项

• 估计值随样本变化，是随机变量的取值
• 正态方差的最大似然估计是有偏估计

常见问题

为什么求最大似然估计常取对数？

取对数把连乘变成连加，便于求导，且 ln 是单调递增函数，不改变最大值的位置。

最大似然估计和矩估计有何不同？

矩估计用样本矩代替总体矩，最大似然估计则最大化似然函数，两者结果有时相同，有时不同。