应用统计学B参数估计预案.pptVIP

第三章 统计推断 第一节 参数估计 在实际问题中，所研究的总体的分布类型往往是已知的，但依赖于一个或几个未知参数. 1 点估计 2 区间估计 第七章 参数估计 7.2 区间估计 参数估计历届考题 参数的点估计是用一个数 来估计未知参数θ. 在评价近似式 的质量时，主要是用估计量的数字特征来表征估计的优劣(无偏性、有效性相合性)，仅在样本容量充分大时，对近似等式的误差作了一般性的说明(相合性). 实际上，点估计对估计的精度与可靠度并没有作明确的回答. 例如用样本均值估计总体均值，有多大的误差和以多大的可靠度可以期望误差不超过某一个限度等问题都未讲述. 这些问题在样本容量较小时，显得尤其重要. 估计的精度用置信区间表示，可靠性用置信度表示，下边就来说明这个问题. 为了叙述方便，今后在上下文能辨别清楚的情况下，常常把样本和样本值统称为样本并用小写字母 x1,x2,…,xn 表示，并把样本均值和样本方差与它们的观察值分别用小写字母 表示. 对未知参数θ，如果两个统计量 使对给定的α(0α1)有 则称 为θ的置信区间，1?α为置信度， 分别为置信下限和置信上限. 置信度1?α要根据具体问题选定，为查表方便，常取α=0.1，0.05，0.01. 关于式 的含义解释如下. 初看起来，式(*)似乎表示未知参数落在区间内的概率为1?α. 这种看法是不对的，因为θ是一个完全确定的数，而 是随机区间，故式(*)的正确含义为该随机区间包含θ的概率为1?α. 在对未知参数作具体估计时，人们把由样本值算出的一个完全确定的区间 也称为θ的置信区间.这时， 不再是随机区间了. 当取α=0.05时，如果取100个容量为n的样本，可以得到100个置信区间，那么其中大约有95个是包含θ的. 所以，如果只抽取一个容量为n的样本，得到一个具体的置信区间 就认为它包含θ. 当然，这样的判断可能是错误的，即实际上 并不包含θ. 但只要α很小，判断错了的可能性是很小的. 构造置信区间的一般方法如下： (1)设法构造一个含有未知参数θ而不含其它未知参数的随机变量T(x1,x2,…,xn;θ)，使其分布为已知且与θ无关； (2)对给定的α，根据T的分布查表找出两个临界值c与d，使 P{cT(x1,x2,…,xn;θ)d}=1?α； (3)将不等式cT(x1,x2,…,xn;θ)d转化为等价形式 则有 于是 即为θ的置信度为1?α的置信区间. 单个正态总体参数的区间估计 设x1,x2,…,xn为取自正态总体N(μ,σ2)的一个容量为n的样本， 分别表示样本均值和样本方差. 现在考虑以下的区间估计问题 1.σ2已知，求μ的置信度为1?α的置信区间 由式 对给定的α，查标准正态分布表(附表2)得到临界值uα/2(如图)使 u O φ(u) α/2 将上式括号内的不等式 转化为等价形式 故得μ的置信度为1?α的置信区间为 例1 设在正常条件下，某机床加工的小孔的孔径X(单位：厘米)服从N(μ,σ2)分布.长期积累资料表明σ= 0.048.今从加工的小孔中，测得10个孔径的平均值为1.416.试求μ的置信区间(置信度为0.95). 解 由已知 从标准正态分布表N(0,1)查出 故置信限为 μ的置信度为0.95的置信区间为 2.σ2未知，求μ的置信度为1?α的置信区间 由式 对给定的α，查t分布表(附表4)得到临界值tα/2(n?1) (如图)使 t O f(t) α/2 将上式括号内的不等式 转化为等价形式 故得μ的置信度为1?α的置信区间为 例2 设有一批胡椒粉，每袋净重X(单位：克)服从N(μ,σ2)分布.今任取8袋测得净重是12.1，11.9，12.4，12.3，11.9，12.1，12.4，12.1.试求μ的置信区间(α=0.01). 解 经计算 又n=8，α=0.01， 故置信限为 μ的置信区间为 如在本节的开头所述，区间估计有两个要素：一是其精度，二是其可靠度，分别用置信区间与置信度表示. 在进行区间估计时，人们自然希望置信区间短一些，置信度大一些. 但是在样本容量一定的情况下，二者是不可兼得的. 不难看出，样本容量一定，置信度越大，置信区间越长，估计的意义也就越小. 所以，在置信区间的定义中，限制置信度小于1，而决不能要求达到1. 实际上，因为抽样具有随机性，人们不能以百分之百的可靠度对未知参数作出任何有意义的估计. 例如在1、2中，如果硬性要求绝对可靠，那么只能用区间(?∞,+∞)来估计μ，这显然是毫无意义的. 但只要给定了置信度1?α(0α1)，不管它多么接近1，人们总可以对未知参数作出估计，而且可以用增大样本容量的办法来缩短置信区间的长度.这正是统计方法可以发挥作用之处. 当然，在实际问题中，样本容量太大是很难办到的，所以人们要确定合适