ch点估计解说.pptx

　 第2章 点估计;主要内容;参数估计有两种形式:点估计与区间估计。它们各有各的用处,互为补充。这里先讨论点估计问题,下一章讨论区间估计问题。 点估计方法在实际中有广泛的应用。点估计理论的发展很快,内容也很丰富。本章将择其常用的基本方法和有关理论作一些讨论。点估计的无偏性已在1.2节有叙述,这里将继续讨论无偏性,还将提出有效性、相合性、渐近正态性等一些评价点估计好坏的标准。 ; 2.1 矩估计与相合性;矩估计的基本思想是“替代”,具体是： ● 用样本矩(即矩统计量)估计总体矩; ● 用样本矩的函数估计总体矩的相应函数。 这里的矩可以是各阶原点矩,也可以是各阶中心矩。这一思想是英国统计学家皮尔逊在1900年提出的,该思想合理,方法简单,使用方便,只要总体矩存在的场合都可使用。该思想后人称为矩法,所得估计称为矩估计。 ;例2.1.1 设x1,x2,…,xn是来自某总体的一个样本,只要该总体的各阶矩存在,都可对总体若干参数用矩法获得矩估计,常用的矩估计有: 　　● 总体均值μ=E(x)的矩估计为 ,它是μ的无偏估计。 　　● 总体方差σ2=E(x-μ)2与标准差σ的矩估计分别为： 它们分别是σ2与σ的渐近无偏估计。 ;2.1.1 矩估计;2.1.1 矩估计;例2.12 设x1,x2,…,xn是来自均匀分布U(a，b)的一个样本,试求a，b的矩法估计。 若从均匀分布U(a,b)获得如下一个容量为5的样本:4.5,5.0,4.7,4.0,4.2，求a，b的矩法估计。 ;例2.1.3 设样本x1,x2,…,xn来自正态总体N(μ,σ2),μ与σ未知,求p=P(X1)的估计。 从正态总体中获得一个容量为n=25的样本,由样本观察值得到样本均值与样本标准差分别为 0.95和0.04,求p=P(X1)的矩法估计。 ; 矩法估计的优点是其统计思想简单明确,易为人们接受,且在总体分布未知场合也可使用。它的缺点是不唯一,譬如泊松分布P(λ),由于其均值和方差都是λ,因而可以用均值去估计λ,也可以用方差去估计λ,此时尽量使用样本低阶矩,用均值去估计λ,而不用方差去估计λ;此外样本各阶矩的观测值受异常值影响较大,不够稳健,实际中要尽量避免使用样本的高阶矩。 ;2.1.2 相合性;定义2.1.1　 设θ∈Θ为未知参数,对每个自然数n, 是θ的一个估计量,假如 依概率收敛于θ,即对任意给定的ε0,有 　　P(| - | ε)→0(n→∞)(2.1.1) 则称 为 的相合估计。 ;2.1.2 相合性; 例2.1.4 常用的矩估计都具有相合性。从上述两个定理立即可以得出以下结论: ●样本 阶矩 是总体 阶矩 的相合估计。 ●样本 阶中心矩 是总体 阶中心矩 的相合估计,因为总体 阶中心矩总可展开成若干个 阶矩和低于 阶矩的多项式。 　　 ; 例2.1.4 ●样本变异系数 （或 ），样本偏度 ，峰度 分别是相应总体参数 的相合估计。 ● 在例2.1.3中, 是正态概率 的相合估计。这表明在样本量较大时,矩估计 偏离 较大的可能性会很小。 ; 2.2 最大似然估计与渐进正态性;2.2.1 最大似然估计;例2.2.1 设x=(x1,x2,…,xn)是来自二点分布b(1,θ)的一个样本,其中诸xi非0即1,θ∈[0,1]是成功概率,该样本的联合分布为: 其中 是 的充分统计量，当给定样本x（等价于给定充分统计量t）后，譬如，给定n=10，t=2，就得到一个的似然函数（见图2.2.1），即 　　 ;2.2.1 最大似然估计;2.2.1