2估计量评价祥解.pptVIP

例8 设 X 的分布律为 我们介绍了参数点估计, 给出了寻求估计量最常用的方法 —— 矩法和极大似然法 . §7.2 估计量的几个评选标准 1．无偏性 例1 设总体 X 的 k 阶原点矩 E(X k)= ?k (k ?1)存在 , 例2 设总体 X 的方差 DX = ? 2 存在 , 例3 设总体 X ~ N(?,? 2 ), 2. 有效性 例4 设总体 X 的方差 DX = ? 2 存在 , 例5 设总体 X 的均值为?,方差为 ? 2, 例6 设总体 X 的均值和方差均存在 , 小结 无偏性 有效性 一致性 作业 P168 1 4 * * 例7 似然函数为 当 时 例7 求导数得 最大似然估计值为 最大似然估计量为 其中 ?0 ,今有样本1，2，1，3，1。 解 (1) 求 ? 的矩估计量和极大似然估计量。 (2) 令 解得 ? 的极大似然估计量： (1- ? )2 2?(1- ? ) ?2 pk 3 2 1 X 由矩估计 参数点估计是用一个确定的值去估计未知的参数. 看来似乎精确，实际上把握不大. 样本均值、样本方差是否是一个好的估计量？ (2) 怎样决定一个估计量是否比另一个估计量“好”？ 多个估计量时, 哪一个估计量更好？ 这就需要讨论以下几个问题: (1) 我们希望一个“好的”估计量具有什么特性？ (3) 应该如何寻求一个合理的估计量？ 自然要问: 估计量的评选标准 计算简单 无需总体分布 使用了总体分布, 质量好 不唯一、不够稳定 计算困难 在介绍估计量优良性的准则之前，我们必须强调指出： 评价一个估计量的好坏, 不能仅仅依据一次试验的结果, 而必须由多次试验结果来衡量 . 这是因为估计量是样本的函数, 是随机变量. 常用的几条标准是： 1. 无偏性 2. 有效性 3. 一致性 我们重点介绍前面两个标准. 所以, 由不同的观测结果, 就会求得不同的参数估计值. 因此一个好的估计, 应在多次试验中体现出优良性. 所谓无偏估计量就是如果相互独立地多次用无偏估计量进行实际估计时, 对同一统计问题大量重复使用不会产生系统偏差 . 所得的诸估计值的算术平均值与真值基本相同. 即它的期望值等于未知参数的真值. 估计量是随机变量, 对于不同的样本值会得到不同的估计值. ^ 则称 ? 为 ? 的无偏估计量, ^ ^ 定义 设? =?(X1, …, Xn )是未知参数? 的一个估计量, ^ 若E(? )= ? , 我们希望估计值在未知参数真值附近摆动, 这就导致无偏性这个标准的产生. . 真值 ^ 否则称 ? 为 ? 的有偏估计量. 即没有系统性的偏差. 直观上看, 例如，用样本均值作为总体均值的估计时，虽无法说明一次估计所产生的偏差, 无偏性是对估计量的一个常见而重要的要求 . 但这种偏差随机地在 0 的周围波动, ─