高等数学-概率82获得估计量的方法教程方案.pptVIP

是?和?2的极大 解方程组得 所以， 似然估计量。 * 第 八 章 参 数 估 计 总体是由总体分布来刻画的. 在实际问题中,我们根据问题本身的专业知识或以往的经验或适当的统计方法,有时可以判断总体分布的类型.但总体分布的参数往往是未知的,需要通过样本来估计. 例如 (1) 为了研究人们的市场消费行为,我们要先搞清楚人们的收入状况，假设某城市人均年收入X～N(?,?2). 参数 ? 和 ?2 的具体值并不知道,需要 通过样本来估计. (2) 假定某城市在单位时间(譬如一 个月)内交通事故发生次数 X ～ P(?). 参数?未知,需要从样本来估计. 这类问题称为参数估计。它是统计推断的一种重要形式。 参数估计问题的一般提法 X1, X2 , … , Xn 要依据该样本对参数 作出估计，或估计 的某个已知函数 . 现从该总体抽样，得样本 设有一个总体，总体的分布函数 向量) . 为 F(x, )，其中 为未知参数 ( 可以是 参数估计： 根据样本估计出总体的未知参数。 概括为两类方法： （一）点估计 （二）区间估计 ——以某个统计量的值作为总体中未知参数的估计值。 1、矩估计； 2、极大似然估计。 ——把总体的未知参数确定在某一置信区间内。 第 八 章第二节 获得估计量的方法——点估计 为了估计 ,我们需要构造出适当的统计量 (X1, X2 , … , Xn)，每当有了样本的一组观测值，就代入该统计量中算出一个统计（观测）值, 用来作为 的估计值 . (X1, X2 ,… Xn)称为参数 的点估计量， 把样本值代入 (X1, X2, … , Xn) 中，得到 的一个点估计值 . 一、点估计量 二、寻求估计量的方法 1. 矩估计法 2. 极大似然法 3. 最小二乘法 4. 贝叶斯方法 …… 这里我们主要介绍前面两种方法 . 一、 矩 估 计法 其基本思想是用样本矩估计相应的总体矩，以样本矩的函数估计相应总体矩的同一函数 . 理论依据: 矩估计是基于一种简单的“替换”思想建立起来的最古老的求估计量的方法 . 是英国统计学家K.皮尔逊最早提出的 . 大数定律 记总体k阶原点矩为 样本k阶原点矩为 用相应的样本矩去估计总体矩的估计方法 就称为矩估计法. 记总体k阶中心矩为 样本k阶中心矩为 矩估计法的基本步骤： （2）求出样本 k 原点（中心）矩 （ ）； （3）令 （ ），得到关于未知 参数的方程组； k =1, 2, …, m， （1）求出总体 k 原点（中心）矩 （ ）； m为未知参数的个数 （4）方程组的解即为未知参数的矩估计量。 （1） （2） 求出一阶 样本原点矩 令总体矩等 于样本矩得 方程 （4）从中解得 即为参数 p 的矩估计量。 求出一阶 原点矩 例1 设总体X~B(1, p)，求 p 的矩估计量。 解：设X1, X2 ,…, Xn是取自 X 的样本。 （3） 即 矩法的优点是简单易行,并不需要事先知道总体是什么分布 . 缺点是，当总体类型已知时，没有 充分利用分布提供的信息 . 一般场合下, 矩估计量不具有唯一性 . 其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性 . 二、 极大似然 估 计法 极大似然估计法 是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家 高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于 英国统计学家费希尔 . 费希尔在1922年重新发现了 这一方法，并首先研究了这 种方法的一些性质 . （一）极大似然估计法的基本思想 先看几个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 例1、某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 例2、设袋中有黑白两种球，已知两种球的比例为1：99，但不知道哪种颜色的球多。 若现在从袋中任取一球，发现