第6章参数估计011.7.30学案.ppt

第6章　参数估计 　　【考试要求】 　　6.1　点估计 　　矩估计 　　极大似然估计 　　6.2　点估计的评价标准 　　无偏性 　　有效性 　　相合性 　　6.3　区间估计 　　均值的区间估计 　　方差的区间估计 　　　　　　 　　 　　【要点详解】 　　参数：用来描述总体特征概括性数字度量； 　　参数估计：利用样本统计量去估计总体参数的过程。 　　参数估计分为两大类：点估计和区间估计； 　　点估计：用一个具体的数值去估计一个未知参数； 　　区间估计：用一个区间估计未知参数可能的取值范围。 　　§6.1　点估计 　　 　　定义6-1　利用样本信息构造统计量 作为总体未知参数θ的估计值，则 被称为参数θ的点估计量，简称点估计。 　　点估计常用的方法：矩估计和极大似然估计。 　　1．矩估计 　　（1）构造思想 　　假设随机样本能够充分反映总体的信息，那么可以用样本矩去估计总体矩，从而求出未知参数的矩估计值。 　　（2）基本点 　　用样本矩估计总体矩，用样本矩的相应函数估计总体矩的函数。 　　设 是来自某总体X的一个简单随机样本，则样本的k阶原点矩为： 　　如果总体X的k阶原点矩 存在，用Ak去估计 ，记为 　　优点：构造思想直观，计算简便，且在总体分布未知场合也可使用。 　　缺点：由于选择的矩不同，得到的估计值也不同，导致估计结果不唯一。样本各阶矩易受到样本异常值的影响，估计结果不够稳健。 　　　　　　　　 　　【例题6.1】设总体X的概率密度为　 　 是来自该总体的简单随机样本， 则参数θ的矩估计量为（　　）。[2008年春季真题] 　　A．　　 B．　　 C．　 　D．　 　E．e 　　【答案】A 　　【解析】　　 用 代替 ，得　　 从而θ的矩估计量为： 　　2．极大似然估计 　　（1）极大似然思想 　　一个随机试验有若干个可能的结果：A,B,C…。在一次试验中，如果观察结果A出现，则认为可能的试验总体是导致A出现概率最大的那个。 　　（2）极大似然方法 　　设总体函数待估参数θ，θ有很多种可能的取值，从θ的所有的取值中选择使得样本观察值出现概率最大的那个参数值（记作 ）作为θ的极大似然估计值，简称为MLE。　　 　　（3）步骤： 　　①写出似然函数。 　　设X的概率密度函数为p(x,θ)其中θ为未知参数， 。 　　现在从总体中获得了样本容量为n的样本观察值 则该样本出现的概率为　　 记为 似然函数。 　　θ的极大似然估计值 应满足　　 ②对似然函数取对数，得到对数似然函数。 　　　 　?　　 ③对数似然函数求导，得到似然方程。 　　当对数似然函数l(θ)对θ的每一分量可微时，可以通过l(θ)对θ的每一分量求偏导，导函数方程称为似然方程。 　　④求解似然方程，得到未知参数的极大似然估计值。 　　当样本的取值范围与未知参数有关时，通常无法用求导的方法获得未知参数的极大似然估计，这时要根据似然函数的具体形式和参数的约束条件灵活求解。 　　 　　【例题6.2】设总体X服从均值为λ的泊松分布，若λ的一阶原点矩估计量为 ，极大似然估计量为 ，则下列选项中正确的是（　　）。[2008年春季真题] 　　A． 　　B．　 　C．　　 　　D． 的大小关系与具体抽取的样本有关　　E．以上选项都不正确 　　【答案】A 　　【解析】由题意知 ，故 。 　　由 似然函数为： 　　得　　 故　　 　　【例题6.3】设总体X的密度函数