概率与数理统计第七章.doc

第一讲 Ⅰ 授课题目 第七章 参数估计 §1点估计 §3估计量的评选标准 Ⅱ 教学目的与要求 掌握求矩估计和极大最大似然估计的方法，掌握三种评选标准。 Ⅲ 教学重点与难点 重点：估计的基本思想，评选标准的提出。 难点：估计的基本思想，评选标准的提出。 Ⅳ 讲授内容： 点估计 在许多实际问题中,可以认为总体分布的形式是已知的,它只依赖于一个或几个未知参数.如果能对分布中所含的参数作出推断,那么就可以确定总体分布.例如, 已知总体服从正态分布,未知,我们的目的是通过样本提供的信息对未知参数作出估计,也就是借助于样本对总体作出推断,这类问题就是参数估计问题. 例1 在某炸药制造厂，一天中发生着火现象的次数是一个随机变量，假设它服从以为参数的泊松分布，参数为未知，现有以下的样本值试估计参数 着火次数 0 1 2 3 4 5 6 发生次着火的天数 75 90 54 22 6 2 1 0 解略 点估计问题的一般提法是:设总体的分布函数的形式为已知,是待估参数, 是的一个样本, 是相应的一个样本值.设点估计问题就是要构造一个适当的统计量,用它的观察值作为未知参数的近似值，.我们称为参数的估计量，称为的估计值。在不致混淆的情况下, 统称估计量与估计值为估计,简记为.容易看出,对于不同的样本值来说,由同一个估计量得出的估计值一般是不相同的.在几何上一个数值是数轴上的一个点,用的估计值作为的近似值就像用一个点来估计,故称为点估计. 如果总体分布中含有个未知参数,则需要构造个统计量分别作为的估计量. 例1（加） 设总体服从参数为的泊松分布, 为未知参数,现有以下样本值 3,4,1,5,6,3,8,7,2,0,1,5,7,9,8 试求未知参数的估计值. 解:由于,自然地想到用样本均值作为的估计量,利用样本值得 . 这样，我们获得了参数的估计量与估计值. 在本例中，对于总体的一个样本，亦可以作为的估计量；同样地，和都应该可作为的估计量.这样，对于同一个参数，可以有许多不同的点估计；在这些估计中，我们自然地希望挑选一个最“优”的点估计.因此，有必要建立评价估计量优劣的标准.下面介绍几个常用的标准：无偏性、有效性和一致性. 矩估计法 许多总体的未知参数与总体矩之间存在着函数关系,如在泊松总体中,它的参数就是总体的一阶矩,又如在正态总体中.若总体矩存在,我们很自然地想到用样本矩来估计相应的总体矩,从而可以获得未知参数的估计量,这种方法称之为矩估计法. 设是总体的一个样本,若是连续型随机变量,则其概率密度函数为;若是离散型随机变量,则其分布律为,,.假设总体的前阶矩存在,记,,.由辛钦大数定律可知,依概率收敛于,即可以用样本矩替换同阶的总体矩,我们称之为替换原则.替换原则是矩估计法的思想实质,这种方法只需假设总体矩存在,无需知道总体的分布类型.由于依赖于参数,可设 将此方程组的解记为 用替换,得到 并把它们分别作为参数的估计量,称之为矩估计量, 矩估计量的观测值称为矩估计值. 例2 设总体在上服从均匀分布，未知，是是来自的样本，试求的矩估计量. 解略 例2.1（加） 设总体的概率密度函数为 求参数的矩估计量. 解: , 解得 , 因此, 的矩估计量为 . 如果我们获得一组样本观测值,其样本均值为,则参数的矩估计值为 . 例3 设总体的均值及方差都存在,且有,但，均为未知，又设是是来自的样本,试求，的矩估计量. 解:注意到,由方程组 解得,.因此,和的矩估计量分别为 ， . 此例表明, 总体均值和方差的矩估计量分别是样本均值与样本的二阶中心矩,而不依赖总体的分布. 最大似然估计 由于矩估计法只需假设总体矩存在,没有充分利用总体分布提供的信息,为获得更理想的估计,需要引入最大似然估计法,它的一个直观想法是某个随机试验有若干个结果等,如果在一次试验中,出现结果,则认为事件发生的概率是最大的.例如,一只袋子里有黑白两种外形相同的球,这两种球的数量不详,只知道它们占总数的比例:一种球为10%,另一种球占90%.今从中任抽取一只球,取得白球,一种比较合理的想法是认为袋子里白球的数量较多, 占总数的90%，这就是最大似然估计法的基本思想.我们通过下面的例子说明最大似然估计法的原理. 某工厂加工一批产品,现需要估计其不合格品率,今从中抽取一个容量为的样本值,令 , 总体的分布律为 . 取得样本获得观测值的概率为 , .显然是的函数,记为,即 . 由于在一次取样中,样本值出现,我们认为概率是最大的,选取使得达到最大的作为参数的一个估计值,即.由微积分中求极大点的方法, 可从方程求出,又由于是的单调增函数,与在同一个处取极大值,也可从方程求出, ， ， 解得: . 容