概率论的基础--chapter 7_3.PPTVIP

点估计的缺陷： 定义 正态分布中μ的区间估计 解： 是μ的优良估计，且 寻找置信区间的步骤(枢轴变量法)： 1）选取待估参数θ 的估计量； 原则：优良性准则 常用： 例 设X~N(μ,σ2)， 求参数σ2 的置信度为1-α的置信区间。 正态总体的区间估计： ?2 的估计 例 从自动机床加工的同类零件中任取16件测得长度值为(单位：mm) 求方差的估计值和置信区间(α=0.05)。 解：设初生婴儿体重为X克，则 X~N( ? , ?2 ) (1) 需估计? ,而?2 未知： 二、两个正态总体：X~N(?1,?12) Y~N(?2,?22) ?12 和?22 未知，?12 = ?22 = ?2 : 的区间估计 ?1 与?2 已知 两稻种产量的期望差的置信区间 例 甲、乙两种稻种分别种在10块试验田中，每块田中甲、乙稻种各种一半。假设两种稻种产量X、Y 服从正态分布，且方差相等。 10块田中的产量如下表 (单位：公斤) ，求两稻种产量的期望差 ?1- ?2 的置信区间(α=0.05)。 由样本表可计算得： Mathematical Statistics 7.3 区间估计 * 参 数 估 计 第 七 章 杨宇明 youngym@126.com 估计值只是真实值的近似值，它与真实值总有误差，误差范围没有指明 改进： 对于θ的估计，给定一个范围： 估计值的可靠性没有指明 可以指明范围的可靠性 设总体的未知参数为θ，由样本X1，…，Xn确定两个统计量 和 ，对于给定的实数α(0 α 1 )，满足 则称随机区间 为θ的置信度为1-α的置信区间。 1-α又称置信系数或置信概率 α又称置信水平，通常取值为0.1，0.05。 注： 1）对 的理解。 随机区间 包含θ的概率为1-α。 2）评价随机区间 的优劣有两个因素： 可靠度 精度 这两者往往是相互矛盾的。 著名统计学家 奈曼 提出了处理原则： 先照顾可靠度，在此前提下，使精度尽可能高。 例 设X~N(μ,σ2)， σ2= σ02，求参数μ的置信度为1-α的置信区间。 分析: 要估计参数，就涉及统计量；而选取统计量应根据优良性质准则来选。 考察统计量所服从的分布。 这里μ的优良估计是： 它是无偏、有效、相合估计。 这里： 将统计量化为常用分布，再通过临界值确定区间。 这里： 从而 令 由标准正态分布的对称性可知 从而，前式可化为： 即 由此可得， μ的置信度为1-α的置信区间为： 从而 # 特别，当σ0=1 ， α=0.05 ，样本观测值为 ： 5.0 5.1 5.2 5.0 4.7 5.0 4.8 5.1 5.1 u α/2= ， μ 的置信区间为： 1.96 [4.35，5.65] 对 查上侧分位数； 代换得到 区间 [A，B] 即为所求。 考察估计量服从的分布 (若有其他未知参数，则选一优良估计量来替代)；利用抽样分布定理 化至常用分布(主要是：正态、 ?2 、T、F分布)； 相应的变换函数 W 称为枢轴变量 分析: 当μ未知时，应选统计量为： 当μ已知时，应选统计量为： # 要化至常用分布，由抽样分布定理可知： 估计量的选取 原因：它是σ2的无偏、有效、相合估计量。 是μ的优良估计，且 思考：是否仍选统计量 分析：1. 令 求得置信区间？ 不可 选一个统计量去替代σ2 ： 选哪一个较好？ S2 、 M2 选S2 因为σ2 未知，故 U 不是统计量 因为它是σ2的无偏、有效、相合估计 未知参数的替换 例 设X~N(μ,σ2)， σ2 未知，求参数μ的置信度为1-α的置信区间。 得 T 的置信区间： 由分布的对称性，即 可化为： 代换后可得 μ 的置信区间： 比较： σ2= σ02 时， μ的置信区间为 # 化至常用分布，应为 t 分布，据抽样分布定理有： 一、单个正态总体：X~N(?,?2) ? 的估计 ?2已知: ?2未知: ? 已知: ?未知: 12.06 12.03 12.01 12.08 12.11 12.07 12.13 12.06 12.01 12.03 12.16 12.09 12