01 第一节 参数估计.docVIP

第一节 参数估计 在实际问题中, 当所研究的总体分布类型已知, 但分布中含有一个或多个未知参数时, 如何根据样本来估计未知参数，这就是参数估计问题. 参数估计问题分为点估计问题与区间估计问题两类. 所谓点估计就是用某一个函数值作为总体未知参数的估计值；区间估计就是对于未知参数给出一个范围，并且在一定的可靠度下使这个范围包含未知参数. 例如, 灯泡的寿命X是一个总体, 根据实际经验知道, X服从, 但对每一批灯泡而言, 参数是未知的,要写出具体的分布函数, 就必须确定出参数. 此类问题就属于参数估计问题. 参数估计问题的一般提法: 设有一个统计总体, 总体的分布函数为, 其中为未知参数(可以是向量). 现从该总体中随机地抽样, 得一样本 , 再依据该样本对参数作出估计, 或估计参数的某已知函数 第一节 点估计 分布图示 ★ 引言★ 点估计的概念★ 例1★ 例2★ 无偏性★ 区间估计★ 置信区间的概念 ★ 寻求置信区间的方法★ 例3 ★ 正态总体方差的置信区间★ 例4★ 例5★ 例6 ★ 内容小结★ 课堂练习 ★ 习题13-1 内容要点 一、点估计的概念 设是取自总体X的一个样本, 是相应的一个样本值. 是总体分布中的未知参数, 为估计未知参数, 需构造一个适当的统计量 然后用其观察值 来估计的值. 称为的估计量. 称为的估计值. 在不致混淆的情况下, 估计量与估计值统称为点估计,简称为估计, 并简记为. 注: 估计量是一个随机变量, 是样本的函数，即是一个统计量, 对不同的样本值, 的估计值一般是不同的. 二、评价估计量的标准 从例1可见,参数点估计的概念相当宽松, 对同一参数,可用不同的方法来估计, 因而得到不同的估计量, 故有必要建立一些评价估计量好坏的标准. 无偏性 估计量是随机变量, 对于不同的样本值会得到不同的估计值. 一个自然的要求是希望估计值在未知参数真值的附近, 不要偏高也不要偏低. 由此引入无偏性标准. 定义1 设是未知参数的估计量, 若 则称为的无偏估计量. 注: 无偏性是对估计量的一个常见而重要的要求, 其实际意义是指估计量没有系统偏差，只有随机偏差. 在科学技术中, 称 为用估计而产生的系统误差.对一般总体而言，我们有 定理1 设为取自总体X的样本,总体X的均值为, 方差为.则 (1) 样本均值是的无偏估计量; (2) 样本方差是的无偏估计量; (3) 样本二阶中心矩是的有偏估计量. 三、置信区间的概念 定义1 设为总体分布的未知参数, 是取自总体X的一个样本, 对给定的数, 若存在统计量 使得 则称随机区间为的双侧置信区间, 称为置信度, 又分别称与为的双侧置信下限与双侧置信上限. 注: 1. 置信度的含义: 在随机抽样中, 若重复抽样多次, 得到样本的多个样本值, 对应每个样本值都确定了一个置信区间, 每个这样的区间要么包含了的真值, 要么不包含的真值. 根据伯努利大数定理, 当抽样次数充分大时, 这些区间中包含的真值的频率接近于置信度(即概率) , 即在这些区间中包含的真值的区间大约有个,不包含的真值的区间大约有个. 例如, 若令, 重复抽样100次, 则其中大约有95个区间包含的真值, 大约有5个区间不包含的真值. 2. 置信区间也是对未知参数的一种估计, 区间的长度意味着误差, 故区间估计与点估计是互补的两种参数估计. 3. 置信度与估计精度是一对矛盾.置信度越大, 置信区间包含的真值的概率就越大, 但区间的长度就越大, 对未知参数的估计精度就越差. 反之, 对参数的估计精度越高, 置信区间长度就越小, 包含的真值的概率就越低, 置信度越小. 一般准则是: 在保证置信度的条件下尽可能提高估计精度. 四、寻求置信区间的方法 寻求置信区间的基本思想: 在点估计的基础上, 构造合适的函数, 并针对给定的置信度导出置信区间. 一般步骤: (1) 选取未知参数的某个较优估计量; (2) 围绕构造一个依赖于样本与参数的函数 (3) 对给定的置信水平,确定与,使 通常可选取满足的与，在常用分布情况下, 这可由分位数表查得; (4) 对不等式作恒等变形化后为 , 则就是的置信度为的双侧置信区间。 五、正态总体的置信区间 1. 正态总体均值（方差已知）的置信区间 设总体 其中已知, 而为未知参数, 是取自总体X的一个样本. 对给定的置信水平, 由例1已经得到的置信区间2. 正态总体均值（方差未知）的置信区间 设总体其中,未知, 是取自总体X的一个样本. 此时可用的无偏估计代替, 构造统计量 , 从第4章第3节的定理3知 对给定的置信水平, 由 , 即因此, 均值的置信区间为3. 正态总体方差的置信区间 设总体其中,未知,是取自总体X的一个样本. 求