浅谈点估计.pdfVIP

浅谈点估计 徐莉 统计学中，我们研究的是总体、样本及各类分布，其中，关于参数的推断就占了很大一 部分，参数是指刻画总体某方面性质的量，包括了参数分布族中所含的未知参数θ 和非参数 分布族场合的数学期望和方差。实际应用中，参数常常是未知的，要完全确定这些参数是不 可能的，我们只能利用已知分布族和抽取样本的信息，对未知参数做出估计，可以说只要有 统计问题的地方，几乎都要提出各种各样的参数估计问题，这正是数理统计的基本问题之一。 参数估计的形式有两种：点估计和区间估计，本文仅对点估计的有关内容进行一些整理和探 讨。 ˆ ˆ 设 x ,L, x 是来自总体的一个样本，用一个统计量θ θ (x , x ,L, x ) 的取值作为θ 的 1 n 1 2 n ˆ 估计值，θ 就称为θ 的点估计。由定义可以看出，估计的概念相当广泛，任何人都可以给出 估计，如果不对估计的好坏加以明确，估计是没有意义的，下面我们看看评价估计的标准都 有哪些。 ˆ ˆ 1.均方误差。我们用(θx) 估计θ ，评价该估计的好坏，自然会想到(θx) − θ ，但θ 是 未知的，样本X又具有随机性，为排除这些影响和出于数学处理上的考虑，就给出了均方误 2 ˆ ˆ MSE (θ ) =E( θ − θ 。此时，我们会希望估计的均方误差越小越好，若能找到θ 的 差 θ (x) ) ∗ ∗ ∗ ˆ ˆ ˆ ˆ ˆ 一个估计θ ，使对所有的估计θ ，有MSEθ (θ ) ≤ MSEθ (θ ), ∀θ ∈ Θ ，θ 就是最好的估 计，但是使均方误差一致达到最小的最优估计是不存在的，那么如何找到相对最优的估计呢， 就要先对估计提出一些合理性的要求，把不合理的估计排除在外，在满足合理性要求的估计 中寻找最好的估计。 2.无偏性就是一种最常用的合理性要求。无偏性只有在大量重复使用时才有意义，因为 ˆ ˆ θ 能取的值很多，有大于θ 的有小于θ 的，无偏性只是保证θ 的平均值为θ 。另外，有的时 候，无偏估计不一定比有偏估计好，因为均方误差是由点估计的方差与偏差的平方两部分组 成，偏差为 0但方差很大的话也不是一个好估计。 3. 同变性是另一种常见要求。在一些参数估计问题中，会要求寻找的估计量在样本作 某种特定变换下保持某种统计性质，常见的有三种变换，位移变换、尺度变换、位移和尺度 ˆ ˆ 2 变换。如果用µ (x , x ,L, x ) 和σ (x , x ,L, x ) 分别估计总体的均值和方差，α ＞0，c 1 2 n 1 2 n 为常数，则自然可要求 ˆ ) ˆ 2 )2 µ (x + c ,L, x + c ) = µ (x ,L, x ) + c ，σ (x + c ,L, x + c ) = σ (x , L, x ) ， 1 n 1 n 1 n