d7-1参数的概念与点估计20p.pptVIP

第七章 作业 参数估计概念 矩估计 估计量评选的标准 参数估计 区间估计 第七章 第七章 上一章讨论了数理统计的基本概念，从这一章开始，研究数理统计的重要内容-统计推断。 所谓统计推断，就是根据从总体中抽取的一个样本,对总体进行分析和推断,即由样本来推断总体，这是数理统计的核心内容。 它的基本内容包括两大部分，一部分是参数估计，另一部分是假设检验。参数估计又分为点估计和区间估计两种。 第一节 参数估计的概念(20) 第七章 统计推断的目的是由样本推断总体的分布.一般来说，要想得到总体的精确分布是十分困难的.上一章介绍的经验分布可以作为总体分布的一个近似解.只有样本容量n 无限大时,经验分布才以概率１收敛于总体的分布函数.但是，在实际问题中样本容量n不允许很大. 根据中心极限定理可知:自然界和人类社会存在的大量的随机变量服从或近似服从正态分布,因此可以根据样本观测值对总体的分布类型作出某些推测或判断 （下一章介绍）.此外，有些统计推断问题，不关心总体分布的类型，只关心总体的某些数字特征，如期望、方差等，通常把这些数字特征称为参数.这时抽样的目的就是为了确定这些参数的数值. 参数 . 估计参数 . 例1设某总体 ， 试由样本 来估计 例2设某总体 ， 试由样本 来 上述二例中， 记为 . 如例1中的 而例2中的 定义１: 中提取有关总体的信息， 出统计量的观测值 ， 相应待估参数的值. 称为参数的估计量, 估计值. 围， 参数的取值范围称为参数空间， 可以确定出参数的取值范 数的性质和实际问题， 是指从样本 所谓参数估计 ， 统计量 求 然后用样本值代入， 用该值来作为 且把统计量 称为参数的 把 但根据参 参数的取值虽未知， 即构造样本的函数—— 参数估计分为点估计和区间估计两从大类. ①点估计: ②区间估计： 根据 样本 及样本值 构造一统 计量 ， 计值, 称点估计. . 内, 构造 两个统计量： 使得待估参数以已知的较大的概率落在 指对总体中的一维参数 ， 为的区间估计. 此时称 指对总体分布中的参数 ， 作为 的估 将 为 的点估计量, 则称 简 记为 第七章 第二节 点估计量的求法 二、极大似然估计 一、矩估计 一、矩估计法： 矩估计法是一种古老的估计方法.由于样本来自于总体，因此样本矩在一定程度上也反映了总体矩的特征，因而可用样本矩作为总体矩的估计. 的估计量, 定义1 是其一个样本, 得一个包含 个未知数 的方程组, 的一组解 , 中解出 用这个方程组的解 分别作为 该方法称为矩估计法. 的观察值称为矩估计值. 的情形） 令 从 矩估计量 这种估计量称为矩估计量， （一般只需掌握 为总体 的待估参数， 假设 例1 又设 是来自总体 的一个样本， 的矩估计量. 解: 所以得 因为 而 试求 令 的均值及方差 都存在但均未知， 设总体 注：上述结果表明,总体均值与方差的矩估计量的表达式不会因总体的分布不同而异.同时又注意到，总体均值是用样本均值来估计的，而总体方差（即总体二阶中心矩）却不是用样本方差来估计的，而是用样本二阶中心矩来估计.那么，能否用样本方差来估计总体方差呢？能的话，样本二阶中心矩与样本方差哪个更好？这个问题下节课将再作详细讨论. 这样看来，虽然矩估计法计算简单，不管总体服从什么分布，都能求出总体矩的估计量，但它仍然存在着一定的缺陷：对于一个参数，可能会有多种估计量.比如下面的例子： 求 的一个样本, 解: ， 例2 未知, 是 的矩估计量 . 由以上例子可看出，这里的一个待估参数有两个不同的矩估计量.这样，就会给应用带来不便.为此，有如下改进的方法： ， 设 二、极大似然估计法： 1、似然函数 为样本的似然函数， 即 密度函数: 定义1设总体 的分布密度函数为 ， 其中 （　　） ， 为待估参数 ，（　　） 称之为对数自然函数. 上式两边取自然对数, 得 是来自总体的一个样本， 则称样本的联合分布的 ， 记为 ２、极大似然估计法 　　这种方法的基本思想是利用“概率最大的事件最可能出现” ，即认为所抽取的样本是出现的概率最大的样本.样本也是随机变量，其出现的概率是与其密度函数有关的，要使样本出现的概率最大，只有密度函数在样本取这一样本值时取最大值.这里样本的分布类型已知，所以概率只与待估参数有关.极大似然估计就是利用： 样本的密度函数（样本的似然函数）在样本取这一样本值时取最大值来估计参数.即把问题转化为求似然函数的最大值时待估参数的取值. (1)定义: , 的极大似然估计. 则称 为 (2)具体做法与步骤:　　 ① 及样本的对数似然函数