《数理统计方法教学课件》第5章 参数估计.pptx

第5章参数估计§5.1参数估计§5.2正态总体参数估计§5.3非正态总体参数估计§5.1参数估计实际中的很多问题能够用固定的统计模型来描述，即观测对象有确定形式的分布。此时，问题就可归结为估计分布中的参数值；否则，就只能用经验分布函数等方法分析。例：血球计数的分布是泊松分布，某人群的身高一般服从正态分布；此时须估计参数、和的数值来确定总体分布；而有时只需确定期望、方差和分位数等参数的数值即可。这些都需要参数估计方法。总体参数的点估计设是总体的未知参数，是来自总体的随机样本。则任何由总体的样本观测值构成的统计量称为的点估计。简单的讲，假设总体的观测对象有确定形式的分布，从而就可以通过总体的样本来估计总体的参数值。而一旦给出总体分布的参数的估计值，就可以用它来进行分析预测。总体参数的点估计例：二战期间，德国生产的每一辆坦克都带一个编号(坦克出厂号)。盟军根据自己击毁或者缴获的德军坦克的n个序列号：精确地估计出了德国坦克总产量。方法一：假定每一个得到的序列号都是均匀地取自总体，则这组样本数据居中的那一个数据(样本中位数)就应该非常接近总体数据的中位数。方法二：仍然假定样本数据均匀地取自总体数据，则它们之间应该是等间隔地分布，因此总产量就是样本中最大的那一个(极大统计量)加上这些样本的“平均间隔”。方法三：仍然假定样本数据均匀地取自总体数据，则它们之间应该是等间隔地分布，因此总产量就是样本容量与“平均间隔”的乘积。显然，除了上述的几种估计方法之外，还可用其它的方法来得到德国坦克总量的估计值，而且每种方法总会有其合理之处。那么，我们如何评价这些统计量的优劣？又如何从其中选出一种较合理的统计量？估计量优劣的判别任何一个关于样本的函数都可用来估计总体参数，只不过效果有所不同。所以说，由于参数真值未知，估计量没有对错之分，只有好坏之别，其优劣只能由统计特征衡量。估计量的无偏性假设为未知参数，统计量为的点估计量。如果满足条件：则称为的无偏估计量。例：若样本来自正态总体，期望为，方差为。证明：样本方差是总体方差的无偏估计。由正态总体的性质，有：从而有如下的结论：例：若样本来自正态总体，均值为，方差为。证明：样本标准差不是总体标准差的无偏估计。因为样本取自正态总体，所以根据方差的性质，有：又由关于的无偏性，从而有如下的结论：例：若样本来自总体，其均值为。证明：样本的加权均数为的无偏估计。其中，是不全为0的实数，并且满足：由于样本的独立同分布性质，故：从而有如下等式：从总体参数的估计可以看出，只要参数存在一个无偏估计，则必定存在无穷个估计满足无偏性。这意味着还必须有除无偏性之外的评价指标来确定参数的有效估计形式。估计量的有效性设为未知参数，统计量为的两个无偏估计量。即有：则称估计比估计更加有效。如果满足条件：例：样本均数是加权均数中最有效的关于总体均数的估计量。其中：证明：利用如下的不等式：前面的评价指标都是对于给定的样本容量而言的，而事实上样本容量较大时估计精度的大小同样是评价估计量性质优劣的标准。较大的样本容量含有较多的总体分布信息，估计精度通常会越高。随着n的无限增大，一个较好的估计量与总体待估参数真值之间任意接近的可能性应该越来越大。无偏性强调在无限次抽样时估计的性质，却没有强调当总体样本容量无限大时单次估计量的性质。估计量的一致性设为未知参数，统计量为的点估计量，其中n为样本容量。如果对任意的，满足条件：则称为的一致估计量。例：若是来自总体的一组样本，则样本均数是总体期望的一致估计量。除无偏性、有效性和一致性之外还有大量的其它的评价标准。一般来说，在所有标准下都达到最优的估计量是不存在的，常常是在一个评价标准下某个估计量好，而在另外一个标准下又是另一个估计量好。例：设是来自总体的样本，我们常以估计总体方差，则其均方误差就大于估计量的均方误差，但却不是的无偏估计。点估计的基本方法从前面的几个例子可以看出，参数点估计的基本问题就是寻求一个估计方程，使得对象在某种意义下其估计的性质达到最优。常见方法有矩方法，极大似然法和贝叶斯法。矩估计矩估计方法的基本思想就是利用大数定理，基于样本矩与总体矩的相合性的事实，建立估计方程来确定未知参数的估计量。设随机变量独立同分布，并且k阶原点矩存在：则对任意的正数,总有：若连续，则：记：，则有：具体做法：设总体X具有k阶矩用样本的k阶矩去替换。例：某药厂日生产某种型号药品10000箱，为了得到这批药品的疗效，从中抽取50箱进行检查。请问，如何从抽查的50箱数据去估计这批药品的整体疗效？从而可以用作为的估计量。不妨设这批药品有固定的期望值，记之为，且有分布函数。那么，由大数定理易有如下结论：例：若样本来自同一个总体，期望为，方差为。请用矩方法给出期望与方差的估计。利用总体的期望和方差的性质：另一方面，分别计算样本的