7-1_参数的点估计详细分解.ppt

一、点估计问题的提出 四、区间估计 区间估计 (interval estimate) 在点估计的基础上，给出总体参数估计的一个区间范围，该区间由样本统计量加减估计误差而得到 根据样本统计量的抽样分布能够对样本统计量与总体参数的接近程度给出一个概率度量 比如，某班级平均分数在75～85之间，置信水平是95% 置信区间（confidence interval） 置信区间（confidence interval） 置信水平 置信水平：将构造置信区间的步骤重复很多次，置信区间包含总体参数真值的次数所占的比例称为置信水平 置信水平表示为 (1 - ????， ??为是总体参数未在区间内的比例?，称为显著性水平。 常用的置信水平值有 99%, 95%, 90% 相应的 ??为0.01，0.05，0.10 显著性水平?越小越好 置信区间与置信水平 极大似然估计作为一种点估计方法最初是由 德国数学家高斯(Gauss)于1821年提出，英国统计 学家费歇尔(R.A.Fisher)在1922年作了进一步发展 使之成为数理统计中最重要应用最广泛的方法之一. Gauss Fisher 二、极大似然估计 设总体 的分布律为 或 分布密度为 ，其中 是未 知参数， 的分布律(或分布密度) 为 ,当给定样本值 后， 它只是参数 的函数，记为 ，即 则称 为似然函数，似然函数实质上是样本的 分布律或分布密度. 1.似然函数 极大似然原理的直观想法：在试验中概率 最大的事件最有可能出现 .一个试验如有若干个 可能结果 ,若在一次试验中，结果 出现, 则认为 出现的概率最大. 2. 极大似然估计法 假定一个盒中黑球和白球两种球的数目之比 为 3:1，但不知哪种球多 ， 表示从盒中任取一球 是黑球的概率，那么 或 , 现在有放回地 从盒中抽3个球，试根据样本中的黑球数 来估计 参数 . 解 随机变量 ，即 引入 估计 只需在 和 之间作出选择. 计算这两种情况下 的分布律： 的估计 27/64 27/64 9/64 1/64 1/64 9/64 27/64 27/64 3 2 1 0 , , 既然在一次试验中得到的样本值 ， 那么样本取该样本值的概率应较大，所以选取使 这似然函数 达到最大的参数值作为估计值 ， 称为极大似然估计法. 是样本的一个观测值, 设总体 的分布律为 的概率为 则样本 设总体 的分布密度(或分布律)为 ， 其中 为未知参数 . 又设 是总体 的一个样本值，如果似然函数 在 处达到最大，则称 分别为 的极大似然估计量. 定义6.1 由于 与 有相同的最大值点 .因此， 为 极大似然估计的必要条件为 称它为似然方程, 其中 求最大似然估计量的一般步骤为： (1)求似然函数 ； (2)求出 及似然方程 (3)解似然方程得到最大似然估计值 (4)最后得到最大似然估计量 例 6 求p的极大似然估计. （1）写出似然函数 设总体 ， （2）对L(p)取对数，得对数似然函数 （4）解此方程得p的极大似然估计为 设总体 ，求参数 的最大 似然估计量 . 解 设 是总体 的样本， 其观测值为 , 由总体