概率论和数理统计估计量的评选标准和区间估计.pptVIP

§2 估计量的评选标准 * 针对总体的同一个参数，可以用各种不同方法对之进行估计；根据实际应用的需要，对于这些不同的估计量，有着不同的选择标准，其中较为基本的评选标准为：无偏、有效和相合。 1、无偏性 * 显然,参数的无偏估计量的取值以参数真值为中心左右微小摆动的. 析： 需要证明的是： 也即 例1:试证样本均值X和样本方差S2分别是总体X的期望?和方差?2的无偏估计量。 和 和 设 为未知参数? 的估计量， 故 说明： ? 对总体X的均值?来说，其样本(X1,X2,…,Xn)的每一个Xi (i=1,2, …,n) 均为其无偏估计。 * 所以， ?一个参数的无偏估计，可能是不唯一的，也可能是不存在的。 ? 若用样本二阶中心矩 B2作?2 的估计量，是有偏估计。这是因为 一般总取 作为? 2的估计量。 你能举例说明“不唯一性”吗？ * 例2 设X1,X2,…,Xn是来自总体X的一个样本，E(X)=?, D(X)=?2.试确定常数c使 为?2的无偏估计. 解： ？ ？ 2、有效性 * 如: 当然是取值较为集中的一个更为理想了！ 若参数? 同时有若干个无偏估计量，什么样的会更为理想呢？ 较单一的Xi 有效得多。 与 Xi (i=1,2,…,n) 都是? 的无偏估计量， 但 而 D(Xi)=?2， 故随着n 的增大， 设 均为参数? 的无偏估计量， 若 ，则称 较 有效。 3、相合性 * 例如 可以证明，样本的k阶矩是总体k阶矩的相合估计量，等等。 若n→∞时， ，就称 是相合估计量。 通常，人们首先考虑的往往是无偏性和有效性，只有 在n 很大时，才考虑相合性. 仅基于以上常用的评选标准，也可以发现不同的估计法所构造出的统计量，各有自己的特点。 §3 区 间 估 计 * 区间估计 --- 依据所测数据(x1,x2,…,xn) 求出一个以较大的可靠度包含着总体均值? 的区间 ( a1,a2 ) ，同时还明确给出了这种可靠度的大小。 1、定义： * 估计总体分布中的未知参数时，若对事先给定的? (0?1)，存在样本(X1,X2,…,Xn)的确定的统计量 与 ， 则称随机区间 为参数? 的置信度为100(1-?)?的置信区间； (1-?)称为置信度（又称置信水平）。 例如：上例所求得的区间(?1,?2)，就是总体均值? 的一个置信度为95?的置信区间。 对于给定的样本数据(x1,x2,…,x10),如若 x =2.26 ,则可得总体均值? 的一个置信度为95?的置信区间: (2.012,2.508) 几 点 说 明 置信区间与置信度的含义： * 可以理解为：在多次重复抽样时，每次抽样的观察值按此统计量都能求得一个区间；在这众多的区间中，包含?真值的约占100(1-?)?,而不包含?真值的约占100??。 置信区间的不唯一性； 1. 结合引例不难看出，对于相同的置信度1-?，置信区间并不唯一！ 2. 应当尽量选择最有效的（也即长度最短的）。 ---- 故而多用双侧分位点。 2、求? 的(1-?)置信区间的步骤： * ① 从已知条件出发，寻求一个含有?（而不含有其它未知参数）的样本函数 W=W(X1,X2,…,Xn,?), ② 根据W的分布的双侧?分位点，解出? 的置信区间。 使得随机变量W的分布为已知的（最好是常用的）分布； 回顾引例的分析思路： 从 X?N(?,0.42)出发，导出 一个含有待估参数?的“统计量” 然后基于U?N(0,1)，得出 解不等式 可解得? 的置信区间. 一个完全已知的分布 这样的当然应该是不唯一的！ 例1 已知总体 X?N(?,?2), ?与?2都未知，样本(X1,X2,…,Xn)，求方差?2的(1-?)置信区间。 * 分析： 若估计?，则仍可考虑用 估计?2用； 此时，可用 由 可得?2的(1-?)置信区间为 含有?2（而不含有其它未知参数）的样本函数 ? ?2已知,估计? * 3、正态总体均值与方差的置信区间： (§5 ) 单个总体的情形： ? ?2未知,估计? 用 用 ? 估计?2 用 两个总体的情形： ? ?12、?22都已知,估计?1-?2 用 ?12、?22都未知但大样本时，可用S12、S22代替它们，近似的服从N(0,1). * 要求： ㈠ 掌握思想方法，而不是死记、套用结果； ㈡ 明确置信区间的实际意义，