概率论与数理统课件(许建强).pptVIP

6.2 估计量的评选标准 一、无偏性 估计量 的观察或试验的结果，估计值可能较真实的参数值偏大或偏小，而一个好的估计量不应总是偏大或偏小，在多次试验中所得的估计量的平均值应与真实参数吻合，这就是无偏性所要求的。 是一个随机变量，对一次具体 定义 是?的一个估计量，如果 有 则称 是?的一个无偏估计。 如果 不是无偏的，就称该估计是有偏的。 称 为 的偏差。 例6.9 设总体X的k阶矩存在，则不论X的分布如何，样本k阶原点矩 是总体k阶矩的无偏估计。 证明 设X的k阶矩 μk=E(Xk)，k≥1 (X1,X2,…,Xn)是来自正态总体X的一个样本，则 所以Ak是μk的无偏估计. 例6.10 设X~N(μ,σ2)，其中μ,σ2未知，问μ,σ2的极大似然估计是否为μ,σ2的无偏估计？若不是，请修正使它成为无偏估计。 解 设(X1,X2,…,Xn)是取自总体X的一个样本，由例6.6知 是μ的无偏估计 不是σ2的无偏估计，而 为σ2的无偏估计。 二、有效性 对于参数?的无偏估计量，其取值应在真值附近波动，我们希望它与真值之间的偏差越小越好。 定义 设 均为未知参数?的无偏估计量，若 则称 比 有效。 在?的所有无偏估计量中，若 估计量，则称 是具有最小方差的无偏 显然也是最有效的无偏估计量，简称有效估计量。 为一致最小方差无偏估计量。 例6.11 设总体X~U[1,?]，?1，未知， (X1,X2,…,Xn)是总体X的一个样本， (1)求?的矩估计和极大似然估计； (2)上述两个估计是否为无偏估计量，若不是，请修正为无偏估计量； (3)问在(2)中的两个无偏估计量哪一个更有效？ 解 X的密度函数 (1) ?的矩估计为 设(x1,x2,…,xn)为样本观察值，则似然函数 i=1,2,…n 令xn*=max(x1,x2,…,xn)，则xn*≤? 即?的极大似然估计为 (2) 是? 的无偏估计。 为求 先求Xn*的密度函数 显然，它不是? 的无偏估计，修正如下： 令 则 是? 的无偏估计。 (3) 当n1时，对任意? 1， 因此 比 更有效。 三、一致性（相合性） 在参数估计中，很容易想到，如果样本容量越大，样本所含的总体分布的信息越多。n越大，越能精确估计总体的未知参数。随着n的无限增大，一个好的估计量与被估参数的真值之间任意接近的可能性会越来越大，这就是所谓的相合性或一致性。 定义 设 为未知参数? 的估计量，若对任意给定的正数 ε0，都有 即 以概率收敛于参数? ，则称 为参数? 的一致估计或相合估计量。 1、定义 若X~N(0, 1)，Y~?2(n)，X与Y独立，则 t(n)称为自由度为n的t—分布。 (二) t—分布 例5.5 (X1,X2,X3)为X的一个样本，求 的分布 i=1,2,3 t(n) 的概率密度为 2、基本性质: (1) f(t)关于t=0(纵轴)对称； (2) f(t)的极限为N(0,1)的密度函数，即 3、t分布表及有关计算 (1)构成： P{t(n)λ}=p (2)有关计算 P{t(n)λ}=p，λ=tp(n) p 注: (三) F—分布　 1、定义 若X~?2(n1)，Y~?2(n2) ，X,Y独立，则 称为第一自由度为n1 ，第二自由度为n2的F—分布，其概率密度为 例5.6 (X1,X2,…,X5)为取自正态总体X~(0,σ2)的样本， 求统计量 的分布 解 2、 F分布表及有关计算 (1)构成：P{F(n1,n2)λ}=p (2)有关计算 P{F(n1,n2)λ}=p λ=Fp(n1,n2) 例5.7 总体X~N(μ,σ2)，(X1,X2,…,X16)为一个样本，求 解 二、正态总体的抽样分布定理 证明 组合，故服从正态分布。 1、若 则 是n 个独立的正态随机变量的线性 2、设(X1,X2,…,Xn)是正态总体N(μ,σ2)的样本，则 (1) (2) (3) 与S2独立 P151定理5.8 3、设(X1i,X2i,…,Xnii)是来自具有相同方差σ2 ，均值为μi的正态总体N(μi,σ2)的样本，i=1,2,…,t，且设这t个样本之间相互独立，设 分别是第i个总体的样本均值和样本方差，i=1,2,…,t，则有 (1)2t个随机变量 是相互独立的。 (2) 其中 (3)当t=2时，有 4、设(X1,X2,…,Xn)是正态总体N(μ,σ2)的样本， 则 证明 (X1,X2,…,Xn)是正态总体N(μ,σ2)的样本， 则由分布定理1、2可知 与S2独立 且 所以由t分布的定义，可知 5、设(X1,X2,…,Xn1)是N(μ1,σ12)的样本，(Y1,Y2,…,Yn2)是N(μ2,σ22)