应用数理统计2.2估计量的评判准则分析.ppt

* * §2．2 估计量的评价准则 由例2.3和例2.10的结果看出，对均匀分布总体参数的估计不一样，哪个好？ 例2.12 若总体X~ ?(?), 则未知参数? 的矩估计量为 或 即使用同一方法得出的估计量也不同。 * 2.2.1．无偏性 定义2.1： 如果 ，则称估计量为无偏估计量； 如果 记作 ，则称估计量为渐进无偏估计量。其中 称作偏差。 可以验证 是总体均值的无偏估计[例2.13]； 但 不是总体方差的无偏估计，是渐进无偏的。 而 是无偏的[例2.14]。 * 评述： 无偏的概率意义，即反复使用，整体平均下，估计准确。 其局限性，若仅有一次或导弹命中精度或系统误差等情形，就不能说明问题了。 例2.13’ 设总体X的数学期望 ? 与方差?2存在, X1, X2,...,Xn为总体X 的样本, 证明： 也是 ? 的无偏估计量; ,其中 * 2.2.2 最小方差性和有效性 定义2.2 如果 是 的无偏估计量，且对于其任意无偏估计量 ，均有， 对一切 （参数空间），则称T为最小方差的无偏估计量（或最优无偏估计量）。 用 估计θ时，仅具有无偏性是不够的．我们希望 的取值能集中于θ附近,而且密集的程度越高越好．方差是描述随机变量取值的集中程度的，所以无偏估计以方差小者为好, 这就引进了有效性这一标准. * 例2.14’ 设总体X的数学期望?,方差?2存在，X1,X2是X的样本， 证明估计? 时, 由定义知 较 有效． 证明 又因为 所以 均为 的无偏估计， 因为 较 有效. * 在实际应用中，找出最小方差的估计量不容易，若在一类分布和估计中找出所有无偏估计中方差的一个下界，则当某一估计量达到或接近即认为可行了。 41-42 p 克拉美—劳不等式 则 （1） （2） （3） 从以上可知 * 例2.15 设总体X~N(?,?2),?,?2均未知，又设X1, X2,...,Xn 为总体X 的样本, 则?的无偏估计 是有效的,?2 的无偏 估计 是渐近有效的。 例2.16 若总体X~ ?(?), 考虑未知参数? 的矩估计量为 * 2.2.3 其它几个准则 （一）最小均方误差准则 前述的最小方差性（有效性）只对无偏估计而言，对有偏估计量无意义。 为使 与 尽量接近，考虑 ——称均方误差 由 得到的估计量称作最小均方误差估计量。 对于无偏估计，均方误差最小和方差最小是一致的。 *