《概率论》参数估计2.pptxVIP

参数的区间估计 点估计：如果构造一个统计量 来作为参数的估计量，则称为参数的点估计。 回忆： 点估计总是有误差的，但没有给出偏差的程度， 引例 设某厂生产的灯泡使用寿命X~N（，1002），现 随机抽取5只，用样本均值估计其平均寿命。测三组数据： 均值 第一组 1455 1502 1370 1610 1430 1473.4 第二组 1400 1390 1408 1512 1390 1420 第三组 1500 1510 1460 1505 1425 1480 但范围有多大呢？ 取样本1，得到估计值1473.4 是一个真实存在的确定的数，只是不知道确切的值 取样本2，得到估计值1400 取样本3，得到估计值1500 区间估计的思想 考虑U统计量： 方差已知，但是是一个未知参数，使用起来不方便。 如何处理样本均值这一统计量？ 查表得 有90%的把握成立 先找正数ε，使得 Φ(-ε)=1- Φ(ε) 注意：对于某个给定的观测值，上述不等式不是一定成立，但是有100组数据的话，其中应当有90个估计是成立的，即成立的可能为90%。 置信水平、置信区间 设总体的分布中含有一个参数，对给定的（很小）， 如果由样本（X1，X2，…，Xn）确定两个统计量 1（ X1，X2，…，Xn ）， 2（ X1，X2，…，Xn ）， 使得P{1  2}=1- ，则称随机区间（ 1 ， 2 ）为 参数的置信度（或置信水平）为1- 的置信区间。 1——置信下限 2——置信上限 注意： 1- 只是一种记法，但是这种记法会简化计算 定义 区间估计的一般定义 几点说明 估计和估计g() 并没有本质区别。 参数的置信水平为1-的置信区间（ 1， 2） 表示该区间有（1-）的可能性包含总体参数的真值。 不同的置信水平，参数的置信区间不同。置信区间越小，估计越精确，但置信水平会降低；相反，置信水平越大，估计越可靠，但精确度会降 低，置信区间会较长。一般：对于固定的样本容量，不能同时做到精确度高（置信区间小），可靠程度也高（1- 大）。不降低可靠性的同时要缩小估计范围，则必须增大样本容量，增加抽样成本。 分位数 设 X ~ f (n)（f 为某种分布，n 为有关的自由 度），0α1，则称满足 的数 fα(n) 为分布 f (n) 的 α 分位数（或分位点） 课本后面的表可得 2分布， t分布， F分布的分位数。 例如： Φ(ε)=0.95， ε=1.64，即 注意 对于 t(n) 分布，当 n 趋于无穷时，分布趋于 N(0,1)，故当自由度较大时，用标准正态分布的分位数 uα 代替 t(n) 的分位数。 对于 F(m,n) 分布和 α(0α1),有 单个正态总体参数的区间估计 正态总体方差已知，对均值的区间估计 即 由于 最终得的置信区间为 从而： 例1 某车间生产滚珠，从长期实践中知道，滚珠直径X 可以认为服从正态分布，从某天的产品中随机抽取6个， 测得直径为（单位：cm） 14.6，15.1，14.9，14.8，15.2，15.1 （1）试求该天产品的平均直径E[X]的点估计； （2）若已知方差为0.06，试求该天平均直径E[X]的1-置信区间：=0.05；=0.01。 解 （1）由矩法估计得E[X]的点估计值为 续解 （2）由题设知X~N（，0.06） 构造U-统计量，得E[X]的置信区间为 当=0.05时， 而 所以，E[X]的0.95置信区间为（14.754，15.146） 当=0.01时， 所以，E[X]的0.99置信区间为（14.692，15.208） 置信水平提高，置信区间扩大，估计精确度降低。 例2 假定某地一旅游者的消费额X服从正态分布N(，2)，且标准差=12元，今要对该地旅游者的平均消费额E[X]加以区间估计，为了能以95%的置信度相信这种估计误差小于2元（即区间长度小于4），问至少要调查多少人？ 解 由题意知：消费额X~N(，122)，设要调查n人。 由 即 得 查表得 解得 至少要调查139人 例2 续：估计误差小于1元，问至少要调查多少人？ 解得 至少要调查554人 在方法不变的前提下，要想提高精度，只能增加样本的容量 正态总体方差未知，对均值的区间估计 如果总体X~N（，2），其中，均未知 仍然服从标准正态分布 若将其作为区间估计的分布，得置信度1-α的置信区间 未知，置信上限下限中都含有未知参数，不是统计量 如何来处理？ 用某种统计量来替换未知量2 构造T-统计量 当置信