概率论课件第十八次课.pptVIP

1、抽样分布定理中，需要掌握的正态总体的 抽样分布的主要结论是哪几个？ 一、复习： 设总体 为使样本均值大于70 的概率不小于90%，则样本容量n至少应取多少？ 解： 则 设总体 已知样本容量为24，样 求总体标准差大于3的概率。 本方差为12.5277， 解： 开始 在总体 中随机抽取容量为 21的样本，求 和 解： 第七章 参数估计 第一节 点估计的几种方法 设总体X的分布函数的形式已知， 但它的一个 或多个参数未知， 借助于总体X的一个样本来估计 总体未知参数的值的问题称为参数的点估计。 例1、在某炸药制造厂，一天中发生着火现象的次 数X是一个随机变量，假设它服从以 为参数的 泊松分布，参数 未知。 现有以下的样本值，试 估计参数 着火次数k 发生k次着火的天数 0 1 2 3 4 5 6 75 90 54 22 6 2 1 解： 所以用样本均值来估计总体均值 即 点估计问题的一般提法： 设有一个统计总体，总体的分布函数 为 F(x, )， 其中 为未知参数 X1,X2,…,Xn是X的一个样本， 是相应的一个样本值。 点估计问题 就是构造一个适当的统计量 用它的观察值 近似值。 我们称 称 作为未知参数 的 为 的估计量 为 的估计量值。 均简记为： 下面介绍两种常用的构造估计量的方法： 1. 矩估计法 2. 极大似然法 一、 矩估计法 其基本思想是用样本矩估计总体矩 . 它是基于一种简单的“替换”思想建立起来的一 是英国统计学家K.皮尔逊最早提出的 . 种估计方法 . 理论依据: 大数定律 用相应的样本矩去估计总体矩的估计方法就 称为矩估计法. 记总体k阶矩为 样本k阶矩为 记总体k阶中心矩为 样本k阶中心矩为 常用的是： 用样本均值估计总体均值； 用样本二阶中心矩估计总体方差； 用事件发生的频率估计事件发生的概率； 解: 由矩法, 样本矩 总体矩 数学期望 是一阶 原点矩 例1、设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 从中解得 的矩估计. 即为 例2、设总体X 在[a,b]上服从均匀分布，a，b为 解:因为 未知， X1,X2,…Xn是X的一个样本， 试求a，b的 矩估计量。 令 解得： 则 例3、设总体为指数分布，其密度函数为 是样本 试求 的估计量。 解： （此时k＝1） 令 矩法的优点是简单易行,并不需要事先知道总 体是什么分布 . 缺点是当总体类型已知时，没有充分利用分布提 供的信息 . 一般场合下,矩估计量不具有唯一性 . 其主要原因在于建立矩法方程时，选取哪些总 体矩用相应样本矩代替带有一定的随意性 . 二、 极大似然法： 是在总体类型已知条件下 它首先是由德国数学家高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于英国统计学家费歇 . 费歇在1922年重新发现了 这一方法， 使用的一种参数估计方法 . 并首先研究了这 种方法的一些性质 . 极大似然法的基本思想 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 你就会想，只发一枪便打中,猎人命中的概率一般大 这个例子所作的推断已经体现 于这位同学命中的概率. 看来这一枪是猎人射中的 . 了极大似然法的基本思想 . 极大似然估计原理： 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本 的联合密度(连续型）或联合概率函数(离散型)为 f (X1,X2,…Xn; ) . 可能产生样本值X1,X2,…Xn的一种度量 . 看作参数 的函数， 它可作为 将以多大 极大似然估计法就是用使 达到最大值的 称 为 的极大似然估计 去估计 . 例4、 设X1, X2, …, Xn是取自总体X的一个样本，且 解： 似然函数为： 令 解之得 求极大似然估计的一般步骤： 1) 由总体分布导出样本的联合概率函数 2) 把样本联合概率函数(或联合密度)中自变 量 看成已知常数,而把参数 看作自变量, 得到 (或联合密度); 3) 求似然函数的 最大值点 (常常转化为求 的最大值点) 即得 的极大似然估计 ;