数理统计29658.pptVIP

ch7-1 2-1 第二章 第二章 参数估计 2-1 通过子样对总体未知参数进行估计 内 容 参数的点估计 参数的区间估计 点估计的评判标准 什么是参数估计？ 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个子样， 用某种方法对这个未知参数进行估计就 是参数估计. 例如，X ~N (? ,? 2), 点估计 区间估计 若?, ? 2未知, 通过构造样本的函数, 给出 它们的估计值或取值范围就是参数估计 的内容. 参数估计的类型 点估计 —— 估计未知参数的值 区间估计—— 估计未知参数的取值范围， 并使此范围包含未知参数 真值的概率为给定的值. §2.1 点估计方法 2-5 §2.1点估计 常用的点估计方法介绍 频率替换法 利用事件A 在 n 次试验中发生的频率 作为事件A 发生的概率 p 的估计量 例1 设总体X ~ N ( ? , 2 ), 在对其作28 次 独立观察中, 事件 “X 4” 出现了21 次, 试 用频率替换法求参数 ? 的估计值. 解 由 查表得 于是 ? 的估计值为 2-8 例1 方 法 用子样 k 阶原点矩作为总体 k 阶原 点矩的估计量, 建立含有待估参数 的方程, 从而解出待估参数 2-9 一般, 不论总体服从什么分布, 总体期望 ? 与方差? 2 存在, 则它们的矩估计量分别为 矩法 矩法 2-10 事实上，按矩法原理，令 例2 设从某灯泡厂某天生产的灯泡中随机 抽取10只灯泡，测得其寿命为(单位:小时) 1050, 1100, 1080, 1120, 1200 1250, 1040, 1130, 1300, 1200 试用矩法估计该天生产的灯泡的平均寿命 及寿命分布的方差. 解 7-14 例2 例3 设总体 X ~ E(?), X1, X2,…, Xn为总体的 样本, 求? 的矩法估计量. 解 令 7-13 故 例3~4 例4 设总体 X ~ U (a, b), a, b 未知, 求参数 a, b 的 矩法估计量. 解 由于 令 解得 2-11 一般, 设待估计的参数为 总体的 r 阶矩记为 子样 X1, X2,…, Xn 的 r 阶矩为 令 解上述方程组 , 得 k 个统计量： 未知参数 ?1, ?,?k 的矩估计量 矩法小结 最大似然估计法 思想方法：一次试验就出现的 事件有较大的概率 例如: 有两外形相同的箱子,各装100个球 一箱 99个白球 1 个红球 一箱 1 个白球 99个红球 现从两箱中任取一箱, 并从箱中任取一球, 结果所取得的球是白球. 答: 第一箱. 7-17 问: 所取的球来自哪一箱？ 最大似然法 例6 设总体 X 服从0-1分布,且P (X = 1) = p, 用最大似然法求 p 的估计值. 解 总体 X 的概率分布为 设 x1, x2,…, xn为总体样本X1, X2,…, Xn 的样本值, 则 7-18 例6 对于不同的 p , L (p)不同, 见右下图 现经过一次试验， 发生了， 事件 则 p 的取值应使这个事件发生 的概率最大. 7-19 在容许范围内选择 p ，使L(p)最大 注意到，ln L(p)是 L 的单调增函数,故若 某个p 使ln L(p)最大, 则这个p 必使L(p)最大。 7-20 所以 为所求 p 的估计值. 一般, 设 X 为离散型随机变量, 其分布律为 则样本 X1, X2,…, Xn的概率分布为 7-21 或 称 L( ) 为样本的似然函数 称这样得到的 为参数 ? 的极大似然估计值 称统计量 为参数 ? 的极大似然估计量 7-22 ?MLE 简记 ?mle 简记 L( ) 选择适当的? = ,使 取最大值, 即 最大似然法的思想 若 X 连续, 取 f (xi,? )为Xi 的密度函数 似然函数为 7-23 注1 注2 未知参数可以不止一个, 如?1,…, ?k 设X 的密度(或分布)为 则定义似然函数为 若 关于?1, …, ?k可微,则称 为似然方程组 若对于某组给定的样本值 x1, x2,…, xn， 参数 使似然函数取得最大值, 即 则称 为?1,…, ?k 的极大似然估计值 7-24 例7 设总体 X ~ N (?,? 2), x1, x2,…, xn 是 X