第七章 参数估计.docVIP

参数估计 参数估计就是要从样本出发构造一些统计量作为总体某些参数（或数字特征）的估计量。 点估计就是构造统计量。 j=1,2,…n 以的值作为的近似值。对进行估计，叫(点)估计量。若样本值代入称为的估计值。 区间估计是根据样本构造出适当的区间，它以一定的概率包含未知参数。 §7.1 点估计 （一）矩估计法 1.矩估计法的基本思想 在总体的各阶矩存在的条件下，用样本的各阶矩去估计总体相应的各阶矩，又由于总体的分布类型已知，总体的各阶矩可表示为未知参数的已知函数，这样样本的各阶矩就与未知参数的已知函数联系起来，从而得到参数的各阶矩。 2.一般求法 ( =1,2…k =1,2…k ( 令 =1,2…k (将代入(中， =1,2…k 例 2 P159总体X~U[a,b],参数a,b未知，求a,b的矩估计。 例 3 P160 以下为第一版例。 例7：总体X~U[0,b],参数b未知，求b的矩估计。 例8：总体，未知，已知 是来自总体X的样本值，求的矩估计。 例9：总体的概率密度为 参数 均未知， 是来自总体的样本，求的矩估计。 ３.总体的数学期望与方差的矩估计 已知总体的二阶矩存在， 是来自总体的样本值。E(X),D(X)的矩估计是 注意： 此结论用于只要E(x)、D(x)存在的，不论分布是否已知的各类型总体的数字特征E(X)、D(X)的矩估计。 例：总体X~B(N,p)， 参数N、0p1均未知，已知 是来自总体的样本值，求N,p的矩估计 。 (二) 最大似然估计法 最大似然估计法的基本思想 例：设在一个口袋中装有许多白球和黑球，但不知是黑球多还是白球多，只知道两种球的数量之比为1:3就是说抽取到黑球的概率为或。 如果用有放回抽取的方法从口袋中抽取n=3个球，发现有一个是黑球，试判断p=?。 X 0 1 2 3 当时，P（取的三个球中有一个黑球）=大。选取参数总体较合理。故取p的估计值。 最大似然估计基本思想：根据样本的具体情况，选择参数p的估计，使得该样本发生的概率最大。 2.最大似然估计的求法 设总体的形式已知，参数未知(j=1,2…m)， 是来自总体的样本值。 记，选择参数的估计，使样本取值附近的概率 … = = 达到最大， 等价使 达到最大。 称L=L()=为样本值的似然函数。 定义7.1如果似然函数L=L()在达到最大值，则称分别为的最大似然估计。 2.一般步骤 (1).当似然函数可微且参数集合是开集的条件下： 总体， i =1,2…n L=L()= 取对数 　② 　③由似然方程解出=?.。讨论是最大值点，则它是的最大似然估计。 例4 P162 ，求未知参数 的最大似然估计。 例 5 P163 总体，未知, 已知 是来自总体X的样本值,求的最大似然估计。 例 6 P165 总体X~U[a,b]，参数a,b未知， 已知 是来自总体的样本值，求b的最大似然估计。 以下为第一版例。 例2：总体= 参数未知， 是来自总体的样本值，求的最大似然估计。 例3：，求未知参数 的最大似然估计。［见书P159，例7.1］ 总体X是离散值，一定要写出X的概率函数。 例4：一个罐子里装有黑球和白球，每次从中随机的有放回地抽取一个球，直到抽到黑球为止。设停止抽球时所需抽取数是X，这样独立重复的进行了n次实验，获得样本，试求罐子里黑球所占的比例中的最大似然估计。 例5：X服从参数为的威布尔分布，而 = m0,0且未知， 是来自总体的样本值，求参数的最大似然估计。 (2)当似然函数L不可数时，或似然函数无解，要用定义求参数的最大似然估计。 例6：总体X~U[0,b]，参数b未知， 已知 是来自总体的样本值，求b的最大似然估计。 3.未知参数的已知函数的最大似然估计有如下规定： 若，未知参数的已知函数为，分别为的最大似然估计，则规定g()为g()的最大似然估计。 例：P习题7.5。 §7.2 估计量评选标准 1.无偏性： 定义：设()是的估计量，若E()=，对一切，则称为的无偏估计量，否则称为的有偏估计量。其偏差度为= E()－。如果 E()=，则称为的渐近无偏估计量。 书上定义是对g()而言的： 定义：设未知参数的已知函数g()的估计量为,如果对一切都有 则称为的无偏估计量。 例10：设总体有二阶矩，E(X)=,D(X)=存在，是该总体的样本，证明为的无偏估计，为的无偏估计，但不是的无偏估计，是的渐近无偏估计。 例11：总体X~U[a,b]，b0，试问b的矩估计是否是b的无偏估计量