概率与数理统计_课件_第7章_参数估计.ppt

下面我们就来正式给出置信区间的定义,并通过例子说明求置信区间的方法. 由不等式 可以解出 ： 这个不等式就是我们所求的置信区间. 前面已经给出了概率分布的上分位分位点的定义，为便于应用，这里我们再简要复习一下. 在求置信区间时，要查表求分位点. 设0 1, 对随机变量X，称满足 的点 为X的概率分布的上 分位数. 例如: 标准正态分布的 上 分位数 例如: 分布的上 分位数 自由度为n的 F分布的上 分位数 自由度为n1,n2的 一、 置信区间定义： 满足 设 是 一个待估参数，给定 若由样本X1,X2,…Xn确定的两个统计量 则称区间 是 的置信水平（置信度、 置信概率）为 的置信区间. 分别称为置信下限和置信上限. 一旦有了样本，就把 估计在区间 内. 这里有两个要求: 可见， 对参数 作区间估计，就是要设法找出两个只依赖于样本的界限 构造统计量 X1,…Xn X1,…Xn 2. 估计的精度要尽可能的高. 如要求区间 长度 尽可能短，或能体现该要求的其它准则. 1. 要求 以很大的可能被包含在区间 内，就是说，概率 要尽可能大. 即要求估计尽量可靠. 可靠度与精度是一对矛盾， 一般是在保证可靠度的条件下 尽可能提高精度. ~N 0, 1 选 的点估计为 求参数 的置信度为 的置信区间. （1）设X1,…Xn是取自 的样本， 二、置信区间的求法 寻找未知参数的 一个良好估计. 解： 寻找一个待估参数和 估计量的函数 ，要求 其分布为已知. 有了分布，就可以求出 U取值于任意区间的概率. 对给定的置信水平 查正态分布表得 使 从中解得 于是所求 的 置信区间为 从解题的过程，我们归纳出求置信区间的一般步骤如下: 1. 明确问题, 是求什么参数的置信区间? 置信水平 是多少? 2. 寻找参数 的一个良好的点估计T X1,X2,…Xn 3. 寻找一个待估参数 和估计量T的函数 S T, ,且其分布为已知. 4. 对于给定的置信水平 ，根据S T, 的分布，确定常数a, b，使得 P a ≤S T, ≤b 5. 对“a≤S T, ≤b”作等价变形,得到如下 形式: 则 就是 的100 ％的置信区间. [注]这里我们主要讨论总体分布为正态的情形. 若样本容量很大，即使总体分布未知，应用中心极限定理，可得总体的近似分布，于是也可以近似求得参数的区间估计. 某工厂生产的零件长度X被认为服从N ? ,0.04 ,现从该产品中随机抽取6个,其长度的测量值如下 单位毫米 : 14.6,15.l,14.9,14.8,15.2,15.1. 求:该零件长度的置信系数为0.95的区间估计. n 6, ? 0.05, Z?/2 Z0.025 1.96 ?2 0.22 . 解: 例1 似然方程组为 根据第一式,就得到: 代入第二式,就得到: 由上,似然方程组的解唯一.下面验证它是极大值点. 是L ?,?2 的最大值点. ∴ ?和?2的极大似然估计量是 总体 泊松分布 X ～ P ? . 求:参数?的极大似然估计. 解: 例3 似然方程为 是logL ? 的最大值点. ∴ ?的极大似然估计量是 总体均匀分布 X ～ U a,b . 求:两个参数a,b的极大似然估计 解: 例 4 我们由上看到,L a,b 作为a和b的二元函数是不连续的.所以我们不能用似然方程组来求极大似然估计,而必须从极大似然估计的定义出发,求L a,b 的最大值. 为使L a,b 达到最大,b－a应该尽量地小. 但 b 又不能小于max x1,x2 ,? ,xn .否则, L a,b 0.类似地a不能大过min x1,x2,?,xn . 因此,a和b的极大似然估计为 解：似然函数为 对数似然函数为 例5设X1,X2,…Xn是取自总体X的一个样本 求 的极大似然估计. 其中 0, 求导并令其为0 0 从中解得 即为 的MLE . 对数似然函数为 解：似然函数为 例6 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的极大似然估计. i 1,2,…,n 对数似然函数为 解：似然函数为 i 1,2,…,n 0 2 由 1 得 0 1 对 分别求偏导并令其为0, 对数似然函数为 用求导方法无法最终确定 用极大似然原则来求 . 是 对 故使 达到最大的 即 的MLE， 于是 取其它值时， 即 为 的MLE . 且是 的增函数 由于 第七章第三节 估计量的优良性准则 从前面两节的讨论中我们看到: 有时候同一个参数可以有几种不同的估计方法,这时就存在采用哪一个估