7第七章参数估计.ppt

第七章 参数估计 设总体X的均值与方差分别为 我们不仅希望一个估计量是无偏的，且具有 较小的方差（无偏性与有效性是在样板容量n 固定的情况下建立起来的评判法则），还希望 当样板容量无限增大时，即观察次数无限增多 时，估计量在某种意义下越来越接近于被估参 数的真值，这就是一致性的要求。 2. 当?2未知时，总体均值?的置信区间 区间估计正好弥补了点估计的这个缺陷.点估计与区间估计互为补充，各有用途. 根据样本指出未知参数的一个范围（区间）， 使它以比较大的可能性包含未知参数的真值. 也就是说,我们希望确定一个区间，使我们能以 比较高的可靠程度相信它包含未知参数的真值. 满足 设总体 X 的分布函数F(x; ?)中含有 一个待估 若由子样X1, X2 ,…, Xn确定的两个统计量 则称随机区间(T1, T2) 是参数 ? 的置信水平为1?? T1, T2分别称为置信下限和置信上限. 的置信区间. 一 区间估计的基本思想 定义 参数?，对于给定的常数? (0 ? 1), T1=T1(X1, X2 ,…, Xn) 和 T2=T2(X1, X2 ,…, Xn) P{T1? T2} = 1?? 1??又称为置信度, ?称为显著性水平． 参数? 的区间估计的意义: 真值,也可能不包含? 的真值.当抽样次数充分大时, 因此, 一个置信度为0.95的区间估计(T1, T2), 但它是一个常数, 而区间(T1, T2)是随机的, 如果在 样本容量n不变的情况下,反复抽样多次, 每个样本值 确定一个区间(T1, T2), 每个这样的区间可能包含? 的 包含? 的区间的频率接近于置信度1??. 待估参数? 虽然未知, 其实际意义可理解为: 当抽样100次时,平均约 有95个区间包含了参数?, 平均约有5个区间 不包含参数?． 置信水平1?? 表明置信区间(T1, T2)的可靠性, 1?? 越大, 区间(T1, T2)包含? 的概率越大. 固定?, 置信区间(T1, T2)的长度T2?T1反映置信区间 的精度, T2?T1越小,估计的精度越高,误差越小. 我们既希望置信水平1??尽量大, 又希望估计的 精度尽量高, 但是,当样本容量n给定时, 1?? 与T2?T1是相互制约的, 减少其中的一个也就 增大了另一个. 一般地,求参数? 的区间估计的奈曼(Neyman) 原则是:保证可靠性,即固定1?? , 努力提高精度,也 就是选取长度最短的置信区间. (1) 通常说随机区间(T1, T2) 以1??的概率包含参数? 注: 而不说参数? 以1??的概率落入随机区间(T1, T2), 因为参数? 是非随机的. (2) 定义中的?, 一般以取0.05为最多,还有0.01, 0.10, 及0.001等, 这几个数字并无特殊意义,主要是这样 标准化了后造表方便. 二 单个正态总体参数的置信区间 1. 当? 2已知时, ? 的区间估计 例1 设总体X~N(? , ? 2), ? 2已知, ? 未知, X1, X2 ,…, Xn是总体X的样本, 求? 的置信区间. (置信水平为 1?? ). 解: 要求? 的置信区间, 就是要在给定的置信水 平 1?? 下, 求两个统计量T1和T2, 使 P{T1? T2}=1?? 同时要尽量使区间长度T2 ?T1达到最小 选?的点估计为 因为 所以 在正态分布表中可以查出上侧分位数 使 即 由此可得? 的置信区间为 因此, 这样确定的区间长度最短.) (根据N(0, 1)密度函数的特点: 对称, 原点附近密度最大. 对于不同的置信水平1??, ? 的置信区间也不同 ? 0.01 0.05 0.10 2.58 1.96 1.65 (1) 平均直径? 的估计值为： 某企业生产滚珠,其直径服从正态分布,从某日 例2 的产品中随机抽取6个，测得直径(mm)为： 14.6，15.1，14.9，14.8，15.2，15.1 （1）估计该日产品的平均直径； （2）若已知方差为0.06，试求平均值的置信区间. (1?? = 90% ) 解：设滚珠的直径为X，则 1?? = 90% ， （2）若已知方差为0.06，求平均值的置信区间 (1?? = 90% ) 当?=0.1时, ?的置信度为1??的置信区间为： =(14.79, 15.12) 根据定理7 对给定的置信度1-?，自由度n?1,查t分布分位 (前面当方差? 2已知时,用统计量 现在方差未知，考虑用样本方差S2代替) 由于t分布的密度函数的图形与正态分布类似 , 数表得到 即 即 因此, 均值 ? 的置信度为 1?? 的置信