2007统计学第七章.docVIP

第七章 参数估计 §1 参数估计的基本方法 由第五章内容，我们已经知道，某些服从特定类型的随机变量的分布由其参数唯一确定，如正态分布由其均值和方差所确定。所以我们试图在已知一个随机变量的分布类型的情况下，通过样本的信息得到这个分布的参数的估计。 一、点估计 设总体的分布函数的形式已知, 是待估参数, 是的一个样本, 是相应的一个样本观测值.所谓点估计,就是要构造一个适当的统计量,用它的观测值来估计未知参数. 我们称为的估计量,称为的估计值.二者统称为估计. 点估计的方法有矩估计法、顺序统计量法、最大似然法、最小二乘法等。 矩估计法 由数理统计理论知,如果总体的前k阶矩 , 存在,则其样本矩 依概率收敛于.所以,我们有理由以样本矩估计总体矩.由此即可得出总体的未知参数的估计.这种估计总体未知参数的方法即称为矩估计法. 用矩估计法估计总体未知参数的具体步骤是: 确定待估参数的个数,设为, 计算, 计算, 令, 解出待估参数, 在样本观测值给定时,代入计算的估计值. 【例1】某火药厂一天中发生着火现象的次数服从的泊松分布,参数未知,设有以下样本值,试估计参数. 着火次数k 0 1 2 3 4 5 6 发生k次着 火的天数 75 90 54 22 6 2 1 解: 由于～, 所以 . 由样本数据, 有. 令, 得. 【例2】从某灯泡厂某天生产的一批灯泡中,随机地抽取10只,测得寿命(小时)如下: 1050 1100 1080 1120 1200 1040 1130 1300 1200 试用矩估计法估计该批灯泡的平均寿命及标准差. 解: 本题要估计的参数个数为2. 分别计算总体的一阶矩和二阶矩(或者说,用总体均值和标准差表出),得 分别计算样本的一阶矩和二阶矩,得 令 , 得 . 代入样本数据,得 . 由例2.1可见, 总体均值与方差的矩估计量的表达式与总体分布的形式无关.也就是说，矩估计法没有充分利用估计时已经掌握的有关总体分布形式的信息。 2．最大似然估计 最大似然估计利用了有关总体分布形式的信息。 离散型总体参数的最大似然估计 设总体X的概率分布为，为待估参数，其可能的取值范围为,是来自X的一个样本。则的联合概率分布，即事件 “” 发生的概率为 . 设是样本的一个观察值，则称 是样本（相对于观察值）的似然函数。 所谓最大似然估计法，就是对于给定的样本观察值，选取使得取最大值的，即满足条件 的作为的估计值。 在的表达式中，把换成得到的统计量称为的最大似然估计量。 【例3】设～，是来自的一个样本，试求参数p的最大似然估计量。 解：设是样本的一个观察值。 由于～，所以 故样本的似然函数为 由于和在相同点处取得极值，故令 解得p的最大似然估计值 ， 所以p的最大似然估计量为 . 连续型总体参数的最大似然估计 设总体X的概率密度为，为待估参数，其可能的取值范围为,是来自X的一个样本。则的联合概率密度为 . 于是，随机点 落在点的邻域（边长分别为 的n维立方体）的概率近似地为 与处理离散总体的方法相同，我们取使得上述概率达到最大值的作为的估计值。 由于与无关，因而只需求得，使得 取得最大值。称为样本（相对于观察值）的似然函数，称为的最大似然估计值。在的表达式中，把换成得到的统计量称为的最大似然估计量。 注：1）为求的最大值点，我们往往求的最大值点，后者的计算一般更加简便。 2）似然函数的定义可推广到多个参数的情形。 【例4】设来自正态总体，求和的最大似然估计。 解：因为的概率密度为 所以，样本的似然函数为 . 于是有 . 令 ， 解得，和的最大似然估计值分别为 ，. 所以和的最大似然估计量分别为 ，. 【例5】设电视机发生首次故障时间服从指数分布，，共试验了七台电视机，相应的首次故障时间为 0.26, 1.49, 3.65, 4.25, 5.43, 6.97, 8.09, 求参数的估计值。 解：X的概率密度为 所以，样本的似然函数为. 令 解得，的最大似然估计值 ， 代入数据，得 . 二、点估计的优良性准则 一致性 设 为未知参数的估计量。如果 （为任意小的整数）， 则称为未知参数的一致估计量。 显然，如果为的一致估计量，则样本容量越大，估计结果就越准确。所以，在大样本的情形，我们就尽量选总体的一致估计量来进行估计。是总体均值的一致估计量。 无偏性 如果 则称为未知参数的无偏估计量。 【例6】证明样本均值是总体均值的无偏估计量 ；样本方差是总体方差的无偏估计量。 证明：设某总体的均值为，方差为； 为来自的一个样本。则 .