数理统计第二章.docVIP

参数估计和概率分布拟合 英国著名统计学家R.A.Fisher把统计推断归纳为三个方面:抽样分布,参数估计与假设检验.其中参数估计又分为点估计和区间估计.本章主要讨论参数估计,下一章讨论假设检验.后面各章中都会涉及估计和检验的问题. §2.1 基本概念 2.1.1 简单随机样本 在数理统计中，总体就是指一个随机变量(或向量),或一个概率分布.这个随机变量（戓概率分布）的特征数或参数就是总体的特征数或参数. 数理统计的任务简单说就是“由样本推断总体”.数理统计学中提出和发展的各种统计方法需要具有普遍性和优良性。而优良性的评估要依据一定的准则，并结合样本的概率性质（即统计模型）给出。 对于简单随机样本，样本的联合分布完全取决于总体分布，简单随机样本具有如下概率性质： （1）（代表性）每个都具有与总体相同的分布； （2）（独立性）相互独立. 由于简单随机样本具有如此的概率性质，一旦给出总体的概率密度或分布列我们就可以求出样本的联合概率密度或联合分布列（概率质量函数）。 (1)若总体具有概率密度函数,那么的联合密度为 (2) 若总体具有概率质量函数,那么的联合质量函数为 在抽样调查中，若是对总体作不重复抽样而得到的样本，那么不相互独立，因而不是简单随机样本，但当样本容量相对于总体中个体总数很小时，我们可把视为简单随机样本.另外，若总体是无限总体时，那么简单随机抽样得到的样本视为简单随机样本. 为建模方便，个体数目很大的有限总体常被视为无限总体. 本章以及本章以后内容中提到的样本大多是简单随机样本，因此以后说到的样本，如无特别声明，均指简单随机样本. 例2.1.1 设为来自总体的简单随机样本,那么样本的联合概率密度函数为 例2.1.2 设总体服从参数为的指数分布,为来自该总体的简单随机样本,求样本的联合概率密度函数. 解:总体的概率密度为 样本的联合概率密度为 例2.1.3 设为来自总体的简单随机样本,求样本的联合概率质量函数. 解:总体的概率质量函数为 样本的联合概率密度为 2.1.2 统计量及抽样分布 在有了样本后,我们需要对样本进行处理或做某些运算,以提取所需要的信息.用数学的语言,就是要构造样本的函数,当有了样本值后,就可以完全确定的值.称为统计量.要注意的是这里强调了：当样本值确定后,统计量的值就完全确定。因此统计量只是样本的函数,而不能涉及任何其他的未知量.例如设为来自总体的样本,那么是统计量.而对于,当已知时,是统计量; 当未知时,不是统计量.统计量可以是多维的. 在具体的统计问题中,构造统计量总是有目的的，是针对特定问题的需要而构造的，目的是把分散在样本中的某方面信息集中起来、提炼出来。比如,如果需要估计总体均值,我们会考虑统计量,而不会考虑统计量.而如果估计总体方差, 我们会想到统计量(或),而不会用统计量. 下面是一些常用的统计量: 样本均值: , 样本方差: , 我们常说“的自由度为”,自由度这个名词有如下两种解释: (1) 是个数,…,的平方和,而这个数受到一个(也只有一个)约束: ,故只有个自由度. (2) 若代入中,并将其整理为二次型,则的秩为.自由度就定义为这个秩。 样本标准差: 样本阶原点矩: 样本阶中心矩: 样本协方差: 样本相关系数: 次序统计量:设有样本,按如下方式定义随机变量,当有了样本值后,将样本值从小到大排序为,那么的取值为,称为第个次序统计量, 是的一次实现.称为样本的次序统计量, 是的一次实现.和分别称为极小和极大次序统计量. 称为样本极差. 样本分位数:样本分位数定义为 样本中位数为 注：样本分位数的定义在不同的教材上可能会有所差异。 样本经验分布函数:对于任意的实数,,即表示样本中小于或等于的频数. 经验分布函数定义为 由于样本是个随机变量,因此统计量也是随机变量,其概率分布称为抽样分布.当有了具体的样本观察值后,可得统计量的具体取值,称此具体取值为统计量的观察值. 在统计分析和统计推断中,统计量起着重要作用,对统计量的统计性质的了解就很重要.统计量的统计性质主要涉及两个方面:统计量的特征数(比如,期望、方差等); 统计量的概率分布即抽样分布. 性质2.1.1 设总体的数学期望为，方差为，为来自该总体的简单随机样本，为样本均值和样本方差，则 （1） （2） （3） 证明：（1） （2） ； (3)由于 ,从而 所以 例2.1.4 设为来自总体的简单随机样本,为极大次序统计量,求（1）的概率密度函数；（2）,. 解:的分布函数为 这里是分布的分布函