我被困在如何解决这个问题上。
因此,对于,我们有两个随机变量序列和。现在,和是具有参数和独立指数分布。然而,而不是观察和,我们观察到,而不是和。ÿ 我我= 1 ,。。。,Ñ X ÿ λ μ X ÿ ž W¯¯
,如果Z_i = X_i则W = 1,如果Z_i = Y_i则为 0 。我必须在Z和W的基础上找到\ lambda和\ mu的最大似然估计的封闭形式。此外,我们需要证明这些是全局最大值。
现在,我知道两个独立指数的最小值本身就是指数,比率等于比率之和,因此我们知道是带参数\ lambda + \ mu的指数。因此,我们的最大似然估计器为:。
但是我对从这里去的方向感到困惑。我知道是参数p = P(Z_i = X_i)的伯努利分布,但我不知道如何将其转换为关于参数之一的语句。例如,根据\ lambda和/或\ mu,MLE 将估算什么?我知道如果Z_i = X_i,则\ mu = 0,但是在这里我很难弄清楚如何提出任何代数语句。
更新1:所以我在评论中被告知要推导和W的联合分布的可能性。
因此其中。正确?由于和不是独立的,因此在这种情况下我不知道如何导出联合分布。
因此,根据上述W的定义,得出f(Z_i,W_i)= p \ lambda e ^ {-\ lambda z_i} +(1-p)\ mu e ^ {-\ mu z_i}。但是现在呢?这并没有带我到任何地方。如果执行计算似然性的步骤,则会得到:(使用m和n作为混合物各部分的样本量...)
如果我采用偏导数,这告诉我我对和 MLE估计值只是的条件的平均值。那是,
和