概率论6-1.pptVIP

小结 费舍尔资料 解 例8 三.评价估计量优劣的标准 估计量是随机变量,不同的样本值得到不同的 估计值.我们希望估计值在未知参数真值左右徘徊. 这导致了估计量最基本的一个标准. 1. 无偏性 无偏估计的实际意义: 无系统误差. 证 例9 特别的: 不论总体 X 服从什么分布, 只要它的数学期望存在, 证 例10 (这种方法称为无偏化). 证 例11 由上例可知,一个参数可以有不同的无偏估计量. 2. 有效性 证明 例12 (续例11) * 第六章 参数估计 引言 上一章，我们介绍了总体、样本、简单随机样本、统计量和抽样分布的概念，介绍了统计中常用的三大分布，给出了几个重要的抽样分布定理. 它们是进一步学习统计推断的基础.  总体 样本 统计量 描述 作出推断 研究统计量的性质和评价一个统计推断的优良性，完全取决于其抽样分布的性质. 随机抽样  现在我们来介绍一类重要的统计推断问题 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. 参数估计 估计废品率 估计新生儿的体重 估计湖中鱼数 … … 估计降雨量 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. 这类问题称为参数估计. 参数估计问题的一般提法 X1,X2,…,Xn 要依据该样本对参数 作出估计，或估计 的某个已知函数 . 现从该总体抽样，得样本 设有一个统计总体，总体的分布函数 向量) . 为 F(x, )，其中 为未知参数 ( 可以是 参数估计 点估计 区间估计 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 估计 为1.68， 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内， 假如我们要估计某班男生的平均身高. 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 . §6.1 未知参数的点估计 设总体X ~ F( x , ? ) ?未知 构造估计量的方法常用有二: 矩估计法 极大似然估计法 一. 矩估计法(数字 特征法) ——总体k阶原点矩 ——样本k阶原点矩 ——总体k阶中心矩 ——样本k阶中心矩 所谓的矩估计法,就是用样本矩估计总体矩,从而 得出未知参数估计量的方法.矩的核心是原点矩,故矩 估计方法的具体做法是：令 解 根据矩估计法, 例1 解 例2 解方程组得到a, b的矩估计量分别为 解 例3 解 解方程组得到矩估计量分别为 例4 上例表明: 总体均值与方差的矩估计量的表达式不因不同的总体分布而异. 一般地, 用样本方差 作为总体 的方差 的矩估计。 矩估计法的优缺点： ?直观简便，不需要知道总体X的分布函数，只要 X的相应的矩存在即可。 ?由于样本矩与总体分布无关。因而矩估计法没 有充分利用分布函数F(x,?)所提供的对?的信息。 ?三阶矩以上，误差较大。 练习题 二. 极大似然估计法 作为矩估计法的改进,Fisher引进了极大似然估 计.这一方法充分利用了总体X的分布F(x,?)及样本 所提供的关于 ? 的信息. 费舍尔 1、极大似然思想 一般地，事件A发生的概率与参数?有关，?取值不同，则P(A)也不同。因而可以记事件A发生的概率为P(A；?).若A发生了，则认为此时的?值应是在所有可能值中使P(A；?) 达到最大的那一个。这就是极大似然思想. 1.设总体X为离散型随机变量，它的分布律为 现有样本观察值x1,x2,…xn,,其中xk取值于{ak,k=1,2…} 问：根据极大似然思想，如何用x1,x2,…xn估计q? 根据极大似然思想, ?值应是使P(A|?) 达到最大的那 一个,也就是使 样本联合分布律 最大. 2. 设总体X为连续型随机变量，概率密度f(x;q) 现有样本观察值x1,x2,…xn, 问：根据极大似然思想，如何用x1,x2,…xn估计q? 根据极大似然思想, ?值应是使P(A|?) 达到最大的那一个,也就是使 样本联合密度最大. 3、似然函数与极大