第二十次文概率幻灯片.pptVIP

一致性：随着样本容量的增大，估计量越来越接近被估计的总体参数 即使在概率密度不对称的情形，如 分布，F分布，习惯上仍取对称的百分位点来计算未知参数的置信区间. 只给出了 的点估计 给出了 所在的一个范围 置信度 的实际含意是什么 置信区间是否一定包含真值 如果分析的可信度为 即若反复抽样 次，则包含真值 的区间 约有 个，不包含 的区间大约只有 个. 注： 置信度不变的情况下，如何缩短置信区间 例. 已知幼儿身高服从正态分布，现从5~6岁的幼儿中随机地抽查了9人，其高度分别为： 115,120,131,115,109,115,115,105,110cm; ； ，置信度为 假设标准差 % 95 7 0 = s 的置信区间。 试求总体均值 m 由样本值算得： 解：已知 . 05 . 0 , 9 , 7 0 = = = a s n ，由此得置信区间： 查正态分布表得临界值 96 . 1 方差已知，期望的区间估计： 例 从一台机床加工的轴承中，随机地抽取200件，测得其椭圆度，得样本观察值 =0.081毫米，并由累积资料知椭圆度服从N（μ，0.0252），试在置信水平0.95下，求μ的置信区间。 解：已知 =0.025 , n=200 , =0.081 查表可得 =1.96 方差已知，期望的区间估计： 正态总体期望的区间估计,方差未知 查表： 从中解得 P162 例 用仪器测量温度，重复测量7次，测得温度分别为：115,115,109,115,115,105,110;设温度服从 在范围。 时，试求温度的真值所 在置信度为 % 95 是测量值。 是温度的真值， 解：设 X m 由样本值算得： 已知 . 05 . 0 , 7 = = a n P142 由此得置信区间： 得临界值 查表 447 . 2 正态总体方差的区间估计 并设 为来自总体的 样本 , 分别为样本均值和样本方差 . 求方差 的置信水平为 的区间估计. P163 对给定的置信度 ,确定分位数 使 从中解得 例 有一大批糖果.现从中随机地取 16 袋 , 称得重量(以克计)如下: 506 508 499 503 504 510 497 512 514 505 493 496 506 502 509 496 设袋装糖果的重量近似地服从正态分布,试求总体标准差 的置信水平为0.95的置信区间. 解 这里 P142 于是得到 的置信水平为 的置信区间为 * * 记总体k阶原点矩为 样本k阶原点矩为 用相应的样本矩去估计总体矩的估计方法 就称为矩估计法. 记总体k阶中心矩为 样本k阶中心矩为 P154 写出总体一阶矩： 反解出待估计的参数： 用样本一阶矩替换总体一阶矩，得到参数的估计值: 极大似然法： 写出样本值出现的概率 选择 的值使得样本值出现的概率最大 极大似然法： 称 为 的极大似然估计（MLE）. 取对数 求导并令其为0 从中解出估计值 估计量的优劣标准 无偏性 有效性 一致性 （相合性） 均方误差 均方误差 设 是未知参数 的估计量， 则称 为 的均方误差 . 无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 P151 例： C A ? 无偏 有偏 P151，例1 设 为总体 的样本 都是 的无偏估计 故 更进一步,对任意常数 统计量 都是 的无偏估计 有效性 则称 较 有效 . 都是参数 的无偏估计量，若有 设 和 有效性 D( ) D( ) 则称 较 有效 . 都是参数 的无偏估计量，若有 设 和 A B 在数理统计中常用到最小方差无偏估计. 它的定义是: （也称最佳无偏估计，有效估计量） 若 满足： （1） ， 即 为 的无偏估计； （2） ， 是 的任一无偏估计. 则称 为 的最小方差无偏估计. 设 是取自总体X的一个样本， 是未知参数 的一个估计量， P152 设 和 是 的两个无偏估计,若 称 比更有效. 例 设X1,X2