第八章(第一节矩估计法)概述.doc

第八章 参数估计 参数的点估计 在研究总体的性质时，如果知道总体的概率分布，那是再好不过了。然而，在许多情况下，对总体的情况知道甚少或只知道部分信息。 在实际问题中遇到的许多总体，根据以往的经验和理论分析可以知道总体的分布函数的形式，但分布中的一个或几个参数未知，一旦这些参数确定以后，总体的概率分布就完全确定了。例如，总体，但不知道其中参数和的具体数值，我们要想法确定参数 。 设总体的分布函数形式已知，其中是未知参数（也可以是未知向量）。 试问怎样由样本提供的 信息，建立样本的函数即统计量来 对未知参数作出估计？ 这类问题，称为参数的估计问题。 参数估计主要有参数的点估计和参数的区间估计。 现从总体中抽得一个样本 , 相应的一个样本值观察值为 ； 点估计的问题就是要构造一个适当的统计量，用它的观察值来估计未知参数。 统计量称为的估计量，称为的估计值。 在不致混淆的情况下，估计量与估计值统称为估计，并都简记为。 下面介绍参数点估计的两种方法： 矩估计法和极大似然估计。 矩估计法 矩估计是由英国统计学家Pearson,K.于1900年提出的一种参数估计方法，在统计学中有广泛的应用。 若要考察成人的身高分布情况。 （人类学、遗传变异学、社会学要用。） 每一个人的身高是一个体，全体人的身高构成一个总体。 由于随机因素的影响，不同人的身高一般是不一样的。 由中心极限定理和实际经验知道，人体身高。 但不知道其中参数和的具体数值。（知道之后，有实践和检验理论的多种用途。） 为了确定一个国家或一个地区内人体的身高总的情况, 自然需要估计一个地区人的平均身高以及身高的差异程度,即要求估计和的值. 为了对参数和进行估计， 我们从一个地区中随机的抽取一批人，进行身高测量。 我们从总体中抽取样本（对于一次具体的抽取，它就是具体的数值,在不致引起混淆的情况下，今后也用表示随机变量），根据样本矩在一定程度上反映了总体矩的特征，自然想到用样本矩作为总体矩的估计。 于是，我们分别用样本均值和样本方差作为总体均值和总体方差的估计，记为和， 即有 , (8.1) ,(8.2) 显然，和都是样本的函数，是统计量，分别称为和的矩估计量。 若为样本值（一批次的测量值）, 则把 , , 分别作为和的估计值. 对于不同的样本值，估计值也是不同的。实际中，需要进行多批次、分组次、多年代的测量。 通过观测记录，对不同年代、不同地区，人身高的分布和差别都记录下来，得出客观结果，分析其原因，构成科学记载资料数据，积累人类智慧，可被当代人或后代人借鉴引用。 这种用样本矩来估计相应的总体矩的方法，称为矩估计法。 矩估计的一般问题、 理论根据和方法： 设总体的分布函数为 ,未知参数; 问题：试给出参数的估计值。 解决办法如下 首先求出总体矩: , ； 或 , ; 其次，对总体进行随机抽样， 设为来自于总体的样本, 为样本值(观察值,抽样结果,具体记录下来的一组数). 构造样本矩: , , 。 理论上已知，在一定条件下 成立 , () 或 ，() 于是， 可把 作为 的近似值, ； 即令(人为作出方程组) , , 或令 , , 得到含个未知数的个方程式; 解这个联列方程组可得到的一组解(记为): , 则把这组解就称作为的矩估计量,其观察值称为矩估计值. 矩估计的另一种观点: 首先在方程组 ,, 中,求解出解 ,; 然后将其中的用替换,得到 , () 称 ()为()的矩估计量;将样本值代入得矩估计值. 根据依概率收敛的随机变量的性质，可知 ，()。()。 (或从方程组 , , 中,求解出解 ,; 将其中的用替换,得到 , () 称 ()为()的矩估计量;将样本值代入得矩估计值.) 设总体的概率密度为 , 为来自于总体的样本, 为样本值, 求的矩估计。 解 先求总体矩 ， 然后令 , 即得, 即有 , 解之得 ， 把作为的矩估计量, 作为的矩估计值. 有一批零件， 其长度， 现从中任取4件， 测得长度（单位：mm）分别为12.6,13.4,12.8,13.2 。 试估计和的值。 解 由于， 总体矩 ， 令 ， ， 则得 ， ， 于是， 分别为和的矩估计量； 将样本值代入 , 得和的估计值分别为13(mm)和0.133(mm)。 对于由总体矩和样本矩作等式的原则，总体矩和样本矩