概率统计第六章点估计介绍.docVIP

第六章 点估计 教学目的 1、使学员掌握参数点估计的概念及基本思想。 2、使学员牢固掌握求未知参数估计量的两种常用方法：矩法和极大似然法。 3、掌握判断估计量的三个标准：无偏性、一致性和有效性。 4、理解单参数正则分布族C-R不等式的含义，会求有效估计或有效率。 参数点估计的概念 在用数理统计方法解决实际问题时，常会碰到这类问题：由所得资料的分析，我们能基本推断出母体的分布类型，比如其概率函数（密度或概率分布的统称）为f(X,θ)，但其中参数θ(一维或多维)却未知，只知道θ的可能取值范围是，需对θ作出估计或推断。这类问题称为参数估计问题。 这类问题中的称为参数空间，{f(,θ), θ}称为母体ξ的概率函数族。例如： 1、某灯炮厂生产的灯泡的使用寿命ξ据已有资料分析服从N(μ,σ2)分布，这里θ=(μ,σ2)的具体值未知，只知取值范围为(0,+∞)×(0,+∞)需对θ作估计。 这里参数空间={(μ,σ2)：0＜μ＜+∞，σ2＞0},ξ的概率函数族为 {f(, μ,σ2)：(μ,σ2)}而f(ξ,μ, σ2)= -∞＜＜+∞ 2、某纺织厂细纱机上的断头次数可用Poisson分布P(λ)描述，只知λ＞0，不知其值,为掌握每只纱绽在某一时间间隔内断头数K次的概率，需对λ作出推断。 这里参数空间={λ:λ＞0}，ξ的概率函数族为{f(,λ): λ},其中f(,λ)=P(ξ=x)=，=0,1,2…… 一个参数估计问题就是通过子样估计出母体分布中的未知参数θ或θ的函数的问题。参数估计根据估计的形式，又分为点估计和区间估计。本章主要讨论点估计： 设母体ξ具有概率函数族{f(,θ) θ}θ未知待估，ξ1，ξ2，……ξn是取自ξ的子样,如我们构造一个统计量μ(ξ1，……ξn)来估计θ，(要求u的维数与θ的维数相同)，则称该统计量u为θ的估计量。并记为=u(ξ1，……ξn)，对一组子样观测值(1，……n)代入估计量得到的值=u(1，……n)称为θ的估计值。估计值和估计量统称为θ的估计。但估计是估计值(一个具体值)或是估计量(一个随机变量)，可根据具体要求作判断。 像这类用一个统计量来估计未知参数的问题，称为参数的点估计问题。 如何求估计量呢？方法很多，下面介绍最常用的两种方法。 §6.1矩法估计 一、矩法 对于随机变量来说，矩是其最广泛，最常用的数字特征，母体ξ的各阶矩一般与ξ分布中所含的未知参数有关，有的甚至就等于未知参数。由辛钦大数律，简单随机子样构成的子样矩依概率收敛到相应的母体矩。自然会想到用子样矩替换母体的相应矩，进而找出未知参数的估计，基于这种思想求估计量的方法称为矩法。用矩法求得的估计称为矩法估计，简称矩估计。 具体作法是： 设母体ξ的概率函数为f(,θ1，……θk),其中(θ1，……θk) 未知待估，设 EξK=Vk存在，则当j≤K时，Eξj=Vj;必存在。 令Vj(θ1，……θk)= j=1,2,……，k (6.1) 解(6.1)所示的关于θ1，……θk的k个方程，则得 为θ1，θ2……,θk的矩估计,(6.1)中也可用子样中心矩代母体中心矩。 例6.1设母体ξ的均值μ,方差σ2未知，ξ1, ξ2……ξn为取自ξ的子样，求μ与σ2的矩估计。 解：由μ, σ2分别是ξ的一阶原点矩和二阶中心矩 根据矩法求估计的思想 令 即是μ与σ2的矩估计 注意到我们这里求出 并未用到ξ的分布 例6.2设母体ξ服从(p,6) 分布，其密度为 f(;P,6)= ，＞0 这里b＞0, P＞0未知待估，求其矩法估计。 分析与解：这里要估计的未知参数有两个，根据用矩法求估计的作法，应先求出ξ的两个矩，我们知道用特征函数求矩最简便，由第三章习题91(3) ξ的特征函数为： ∵ ，　= ∴Eξ= ，　Eξ2= 故Dξ= 令 解得 二、判断估计好坏的两个标准 上面用矩法求出的估计是否好？现介绍两个评判估计量好坏的标准。 1、一致性 定义6.1，设母体ξ具有概率函数f(,θ)，θ为未知参数，ξ1，ξ2，……,ξη为子样，为的一个估计量，若对任给＞0，有 =0 则称 为θ的一致估计。 按此定义， 是θ的一致估计 显然，矩估计都是一致估计。 2、无偏性 定义6.2，设是母体分布所含未知参数θ的一个估计量，若 对一切θ均有，则称为θ的无偏估计，否则称为有偏的。 现在来验证母体期望Eξ=μ与方差Dξ=σ2的矩估计是否为无偏估计，由定理5.1 ∴是μ的无偏估计 类似可证母体K阶原点矩EξK=的矩估计，都是的无偏估计。 而 ∴Sn2不是σ2的无偏估计，现纠偏 令 则 由此得是σ2的无偏估计， Sn2不是σ2的无偏估计，但 ESn2= 我们称Sn2为σ2的渐近无