7.1-概率论和数理统计-(复旦大学出版社)-南京财经大学朱玲妹老师的课件.pptVIP

* * §1 点 估 计 ( point estimate ) 返回目录 数理统计的核心是统计推断(由样本推断总体) 第一类 统计估计(参数估计) 第二类 统计假设检验 数理统计的主要方法: 参数性方法 — 参数估计,参数假设检验. 非参数方法. 参数估计: 点估计,区间估计. 点估计问题的一般提法: 设总体 X 的分布函数 F (x;θ)的形式已知,θ是待估参数. X1, X2,…, Xn是总体 X 的一个样本, x1, x2,…, xn是相应的一个样本值. 构造一个适当的统计量 用 作为θ的近似值. 称 为θ的估计值, 称 为θ的估计量, 统称为估计. 2. 希望估计量能代表真实的参数,根据不同的要求,制定评价估计量好坏的标准. 介绍常用构造估计量的方法： 矩估计法,极大似然估计. 例 总体X ~N(μ,σ2 ), μ,σ2 未知 (一) 矩估计法 英国统计学家皮尔逊（K. Pearson） 矩估计法的具体做法： 用样本矩估计相应的总体矩, 用样本矩的函数估计相应的总体矩的函数. 总体 X 的分布包含 k个待估计的参数θ1,θ2,…,θk 在总体 X 的前 k 阶原点矩存在时, 连续型 离散型 总体的 l 阶原点矩是θ1,θ2,…,θk的函数, 从中解出θ1,θ2,…,θk 来估计总体相应的矩μi 用样本的 l 阶矩 得矩估计为 例1 总体X 服从参数为θ的指数分布,求θ的矩估计量. 解: 例2 总体X 的均值μ和方差σ2 都存在, 求μ,σ2 的矩估计量. 例如: 例3 设总体X 在(a,b)上服从均匀分布, a ,b 未知, X1, X2,…, Xn来自总体X 的样本,求 a , b 的矩估计量. 解: (二) 最大似然估计法 例 甲、乙两个口袋中各装4 个同样大小的球, 分别涂有白色或黑色,已知甲袋中黑球数为1,乙袋中黑球数为3, (1) 现任取一袋,再从该袋中任取一球,发现是黑球,问该球最象取自哪一袋? (2) 现任取一袋,再从该袋中有放回地任取三球,其中有一个黑球,问此时最象取自哪一袋? 解: (1) p 为抽到黑球的概率, 我们会判断该球来自乙袋. 我们会判断该三球来自甲袋. (2) X : 抽取的三个球中黑球的个数 在给定了样本观察值后,计算该样本出现的概率,这个概率依赖于p 的值. 观察结果出现的可能性最大. 思想方法: 选取 作θ的估计量,使当 时, d .r .v . X : 估计分布律 中的θ; c .r .v . X : 估计概率密度 中的θ; 1. d .r .v . X : 分布律 样本X1, X2,…, Xn的联合分布律 称 参数θ的最大似然估计量. 2. c .r .v . X : 概率密度 样本X1, X2,…, Xn的联合密度 找 使 称 为参数θ的最大似然估计值, 对固定的样本值(x1, x2,…, xn) ,在参数空间Θ内选取 使似然函数 达到最大, 似然函数: lnx 是x 的单调函数. 对数似然函数: 对数似然方程: 对数似然方程的解: 参数θ的最大似然估计量. 例4 设(X1, X2,…, Xn) 是来自泊松总体π(λ)的样本,其中λ 0是未知参数,求λ的极大似然估计量. 解：总体 X 的分布律为 似然函数: 似然方程是 参数λ的极大似然估计量 参数λ的最大似然估计值. 例5 设x1, x2,…, xn 是来正态自总体N (μ,σ2 ) 的一个样本值,其中μ,σ2 是未知参数,求μ,σ2 的最大似然估计量. 解：总体 X 的概率密度为 似然函数是 似然方程组是 最大似然估计量 例:某化工厂用自动打包机打包,某日测得9包的重量是49.3, 48.7, 50.5, 51.2, 48.3, 49.7, 49.5, 52.1, 50.5. 包重X 服从正态分布,求μ,σ2 的极大似然估计量. 试由样本x1, x2,…, xn ,求 a, b 的最大似然估计量. 解：X 的密度函数 例6 设总体X 在[a,b]上服从均匀分布, a ,b 未知, 时 最大. a, b 的最大似然估计量 思考题： 均匀分布的矩估计量与最大似然估计量一样吗? 思考题答案： 均匀分布的矩估计量与最大似然估计量不一样. 矩估计量 最大似然估计量 练习题： 1. 设总