本科概率论与数理统计第七章新.pptxVIP

第七章参 数 估 计一 、点估计 二 、估计量的评选标准三 、区间估计 四 、正态总体均值与方差的区间估计 第七章 第一节点 估 计一 、点估计问题的一般提法二 、矩估计法三 、最大似然估计法设总体形式为已知,的分布函数为是待估参数，是的一个样本,是相应的一个样本值。一 、点估计问题的一般提法点估计就是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。为估计量称为估计值设抽取容量为的样本由大数定律,估计对未知参数估计的两种方法:矩估计法、最大似然估计法。问题：如何估计未知参数？把样本平均值作为总体平均值的一个估计。即用命题：若总体X 的 k 阶矩存在，则二 、矩估计法 它是基于一种简单的“替换”思想建立起来的一种估计方法。是英国统计学家K.皮尔逊最早提出的。 其基本思想是用样本矩估计总体矩。基本思想:(1)若X为连续型随机变量，设概率密度为令解出求的矩估计量。令例1　设总体为X的一个样本，解: 令其中所以λ的矩估计量为估计值其中是未知参数,例2　设总体X 的概率密度为X1,X2,…,Xn是取自X 的样本,求参数α的矩估计量.解 即的矩估计量。，则令从而α的矩估计量例3　设总体为X 的一个样本，求解 令为X 的一个样本，求X 的数学期望的矩估计量。例4 设 其中解 ：令则的矩估计量分别为解得数学期望总结：任何分布的均值和方差的矩估计量的表达式都不变为X 的一个样本，求的矩估计量。例5　设总体解 由 所以由上例可得⑵　若X为离散型随机变量，设其分布律为，其中为样本，令解出例6　设总体X的分布律为其中参数未知，现有一组样本值1,1,1,3,2,1,3, 2,2,1,2,2,3,1,1,2，试求θ的矩估计值。解 令 其中所以θ的矩估计值为GaussFisher三、最大似然估计法 这是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家高斯在1821年提出的 , 然而，这个方法常归功于英国统计学家费歇 。 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质 .最大似然法的基本思想：推测是谁打中的呢？引例：设一盒中有白、黑球，知两球数比例为1:3，哪个多不知如果有放回的抽取3次球，发现全是白球，估计哪种颜色球较多？统计原理：在某次抽样中，某事件发生了，可以认为该事件发生的概率最大。即在一次试验中，大概率事件最易发生。⑴ X 为离散型分布律为，其中θ未知。为X 的样本值，为X 的样本，记为—— 样本的似然函数满足条件:为θ的最大似然估计值；为θ的最大似然估计量；具体算法：令例1设x1,x2,…,xn是取自总体 X~b(1, p) 的一个样本值，求参数p的最大似然估计值。解似然函数为:为 p 的最大似然估计值。所以设 X1, X2, …, Xn 是取自总体 X 的一个样本,例2，求参数λ的最大似然估计值。设 X1, X2, …, Xn 是取自总体 X 的一个样本,，求参数λ的最大似然估计值。例2解似然函数为:⑵ X 为连续型落在点的思想：随机点邻域内的概率近似地为所以似然函数为利用或得例3设 X1, X2, …, Xn 是取自总体 X 的一个样本,X 服从参数λ 的指数分布，求λ的最大似然估计值。解似然函数当令所以设 X1, X2, …, Xn 是取自总体 X 的一个样本,，求参数 a , b 的最大似然估计量。例4解似然函数则要使得取最大值所以，最大似然估计量为注：特殊的似然函数通过求导为零得不到其最大， 需要从函数本身入手。设 X1, X2, …, Xn 是取自总体 X 的一个样本,求 ⑴ 参数 θ和μ的矩估计量；⑵ 参数 θ和μ的最大似然估计量。例5解⑴ 令所以解得参数θ和μ的矩估计量为⑵ 设x1, x2, …, xn是X1, X2, …, Xn的样本值，则似然函数为其中当时令，表明L是μ的严格递增函数，，故所以当时L 取到最大值从而参数θ和μ的最大似然估计值分别为则参数θ和μ的最大似然估计量分别为，求参数的最大似然估计值。例6设 x1, x2, …, xn 是取自总体 X 的一个样本值,解令的最大似然估计值为所以第二节 第七章 估计量的评选标准一 、无偏性二 、有效性三 、一致性的无偏估计是一 、无偏性定义结论：无论X 服从什么分布,只要它的数学期望存在，的无偏估计量。总是设总体 X 的都存在，且都未知,是有偏的。所以则的估计量是无偏的吗?例1证明设总体 X 的都存在，且都未知,是有偏的。所以则的估计量是无偏的吗?例1证明为的无偏估计.⑴ 求k 使为的无偏估计.⑵ 求l 使设 X1, X2, …, Xn 是取自总体 X 的一个样本,例2解 ⑴为的无偏估计.⑵ 求l 使故当时结论成立.由于故当时结论成立,例2解一个未知数可以有不同的无偏估计