第六节 参数估计.pptVIP

第六节 过程参数的估计 实际问题中，人们往往只知道总体服从某种分布，而不知道具体的分布参数是多少。 凡是回答“是多少”、“在什么范围”之类的问题都属于参数估计问题。 参数估计——从样本出发，构造某些适当的统计量来对总体的某些未知参数进行估计。 6、顺序统计量法 E(x)=Me D(x) =R/d2 d2—与n有关的极差系数 Me —样本中位数 R—样本极差 6、（0—1）分布总体参数p的区间估计 设总体X~ (0—1)分布，P{X=1}=p, P{X=0}=1-p, 当n很大时（一般大于50），p的置信度为1-α的置信区间为： 7、样本量n的确定 在参数估计中，由于是以样本统计量去估计总体参数，所以样本量大小对估计精度和可靠性影响很大。n大估计误差小，但费用高；n小又会使估计产生误差。 总体方差越大，n应越大； 在给定置信水平下，允许误差越大，n可越小； 要求可靠性越高，n应越大。 (2) 置信度为0.9置信区间。 ?=0.1,查表得 F0.05(7,8) = 3.50 F0.05(8,7) = 3.73 因此置信度为0.9的 置信区间可为 = (0.226 , 2.947) ?1-?2置信度为0.9置信区间 视 ?12 = ?22情形, ?=0.1,查表得 联合方差: =0.0084 t0.05(15) = 1.7531 因此置信度为0.90的?1 - ?2置信区间可为 =(-0.048892 , -0.0351 ) 此区间不含零， 可认为两厂的产品性能有显著差异。 在参数估计问题中，假定总体分布形式已 知，未知的仅仅是一个或几个参数. 参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数. 估计废品率 估计尺寸精度 参数估计 点估计 区间估计 如:我们要估计某班男生的平均身高. 设这5个数是: 1.65 1.67 1.68 1.78 1.69 这是点估计. 这是区间估计. 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . (假定身高服从正态分布 ) 估计 为1.68， 估计 在区间[1. 57, 1. 84]内， ——设总体X的分布形式已知，但它的一个或多个参数未知，若从总体中随机抽取一个样本，用样本构造合适的统计量作为对未知参数的估计量。 一、点估计 2. 点估计的基本方法 (1). 目的：设法构造出适当的样本函数，即统计量 使其能在某种意义下对参数作出估计 (2). 估计量、估计值 构造出的统计量为参数的估计量 把具体样本值代入得估计值 3. 方法 (1). 矩估计法； (2). 最大似然估计法； (3). 顺序统计量法 基本 具体方法： 设 从中解得相应的估计量 它是基于一种简单的“替换”思想建立起来的一种估计方法 ——用样本矩作为相应总体矩估计量. 4、矩估计法 设某批灯泡的寿命 从中抽取4只进行寿命试验，测得 例1 矩估计量 1502，1453，1367，1650. 一个简单例子：某位同学与一位猎人一起外出打猎 ， 是谁打中的呢？ 如果要你推测， 最大似然法的基本思想 一只野兔从前方窜过 . 只听一声枪响，野兔应声倒下 . 5、 最大似然法 是在总体分布类型已知条件下使用的一种参数估计方法 . 只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了最大似然法的基本思想，最大概率事件最有可能出现. 设X1,X2,…Xn是取自正态总体X的一个样本， 例9 最大似然估计量 ? ? 1/2 二、区间估计 参数的点估计量是未知参数的近似值, 且是一个随机变量，即使是无偏估计，对于样本的不同观察值，也会由于随机性使得估计值带有偏差，即点估计没有解决参数估计的精确度和可靠性.因此我们希望能知道近似值的精确程度，即估计?真值所在的范围,并知道这个范围包含?真值的可信程度。 定义1 :设总体X的分布函数F(x ;?)中仅含一个未知参数?,对于给定的任意常数?(0 ? 1),若由样本X1,X2, ? ? ? , Xn确定的两个统计量 ? =?(X1,X2, ? ? ? , Xn)与? =?(X1,X2, ? ? ? , Xn)， 则称1-?为置信度，随机区间(?，?)为未知参数?的置信度为1-?的双侧置信区间， ? ?称为置信