第11章参数估计.docVIP

第十章 参数估计 第一节 点估计 一、点估计 点估计值：设是总体的分布函数, 为未知参数,构造统计量用以估计,称其观察值为的点估计值； 2、的点估计量：指,也记作. 注：① 函数中未知参数在区间中变化,显然要求 ,使得就是的分布函数. ② 可能为. 二、矩估计法 1、矩估计法原理： (1) 设总体的存在,则,. 证明:因独立,那么也独立,又,于是 ,由辛钦大数定理知 ,. (2) 设总体的,存在, 为连续函数, 则. (显然) 矩估计法步骤： (1)用样本的矩估计总体的矩； (2)求出总体的矩与未知参数的关系； (3)联立方程后求得点估计量； (4)依样本的观察值可得点估计值. 例1设,求. 解:(1)令；(2)由于；(3)所以. 例2设,求. 解：(1)令,； (2)由于，； (3)联立方程 ,,得 ,. 例3 设,求. 解：(1)令,； (2)由于，； (3)联立方程 ,,得 , . 三、数字特征法 1、数字特征原理： 设总体的,存在,则,. 证明:因,存在,故存在,那么 ,, 而显然.从而 ,, . 2、数字特征法步骤： (1)用样本的与估计总体的与； (2)求出总体的的与与未知参数的关系； (3)联立方程后求得点估计量； (4)依样本的观察值可得点估计值. 例4设,求. 解：(1)令,； (2)由于，； (3)得,. 四、极大似然估计法 1、问题提出 例5 已知袋中黑球数(总体),且袋为袋(1黑3白)或袋(3黑1白). 从中有放回依次取3个球,其结果为黑白白,即取得样本值,据此结果估计究竟是还是,即要估计未知参数. 解：(1)若为,那么取出黑白白的概率为 (此时) ； (2)若为,那么取出黑白白的概率为 (此时) , (3)由于,可见最可能为,那么最可能是,即 . 2、样本的密度函数 (1)统一记号:用统一表示总体的密度函数. 为离散型时, ； 为连续型时, 就是的密度函数. (2)样本的密度函数:设样本来自总体, 那么的密度函数为 3、极大似然估计法步骤 (1)确定总体的密度函数,为未知参数； (2)依据样本的观察值构造极大似然函数: ； (3)求出的极大似然估计值, 即求出,使得达到最大值； (4)最后得到的极大似然估计量. 第(3)步常常具体为: (3)解方程组,,从而求出. 或 (3)求出,解方程组,,从而求出. 例6 某电子管的使用寿命，今抽取一组样本，其具体数据如下： 16 29 50 68 100 130 140 270 280 340 410 450 520 620 190 210 800 1100 间如何估计? 解：(1)已知 ,. . 令，得 . 注意: 的估计量为 . 例7设,求. 解：(1)已知 . . 令， 得 , . ， . 例8 设,求. 解：(1)已知,. . . 令，得. . 例9 设,求. 解: (1)已知 ,. 欲使达到最大, 应尽量取小,但,于是 . 所以 4、极大似然估计不变原则： 设是的极大似然估计,,函数是1-1对应,那么为的极大似然估计. 证明: 设,, 记. 而与的极大似然函数分别为 ,. , 因 ,,使得,那么 从而 又 ,,使得,那么 从而 这样 所以. 证明: 设, , 这样 所以. 例10 设,求的极大似然估计. 解:已知为的极大似然估计,又因, 显然具有反函数,故 , 即. 第二节 估计量的评价标准 一、无偏性 1、无偏估计量：设为的估计量,若,则称为的无偏估计量 2、渐近无偏估计量：设为的估计量,若,则称为的渐近无偏估计量 例1若,,则均为的无偏估计量. 证明:因,所以均为的无偏估计量. 例2 试证是总体中的有偏估计量,但是渐近无偏的. 证明: 已知且 由知,从而 于是 , 但 . 所以是的有偏估计量,但是渐近无偏的. 例3 若,,则为的有偏估计量. 证明: 由于,设,因,有 , 所以为的有偏估计量. 例4 若,,则均为的无偏估计量. 证明：因, 所以均为的无偏估计量. 二、有效性 设与都是的无偏估计量,若,则称较有效. 例5设,,,则较有效,. 证明:显然均为无偏估计量,由于 , 故较有效,. 例6 设,,证明: 在的一切线性组合 ()中, 最