概率论教学课件—概率3-1,2张颖.PPTVIP

点估计 §1 点估计 矩估计法: 例5 设总体X的概率密度为 x1,x2,…,xn为样本观测值,求未知参数?(?0)的最大 似然估计量. §2 估计量的评选标准 2.有效性:在未知参数?的诸多无偏估计量中,自然对? 的平均偏差较小者为好,也即一个较好的估计量应当有尽可能小的方差. 要求: 尽量地小 估计量的评选标准 评价一个估计量的好坏，不能仅仅依据一次试验的结果，而必须由多次试验结果来衡量 . 这是因为估计量是样本的函数，是随机变量. 因此，由不同的观测结果，就会求得不同的参数估计值. 因此一个好的估计，应在多次试验中体现出优良性 . 同一个未知参数，会有不同的估计量，选用哪一个估计量为好, 如何评价它们的好坏？ 基本准则 要求在多次观察中, 的估计值能保持在 真值的附近作左右的微小摆动. 设总体的未知参数θ有估计量 它们都是随机变量.其取值都落在θ的真值附近. θ的真值 θ的真值 θ的真值 无偏性定义： 常用的评价标准有三条 1.无偏性 由于估计量是样本的函数,是随机变量,它对于每一个样本观测值都会得到不同的估计值,我们希望这些不同估计值都以参数的真值为中心左右摆动,也就是希望好的估计量的均值,等于未知参数真值,这种特性的估计量,称为无偏估计量. 成立,则称 为 的无偏估计量. 证明: 设总体X的均值和方差分别为 1) 2) 注意： 定义 设 都是? 的无偏估计量,若 则称 较 有效. 例 取容量n=3的样本 证明均值 有三个无偏估计量. 3.相合性 即对任意? 0,有 一个好的估计量应象样本矩那样,当样本容量无限增大时,依概率收敛于总体的参数真值,这就是相合性要求. 设 是未知参数 估计量, 定义 称 是未知参数 的相合估计量. 常用的评价标准有三条 成立,则称 为 的无偏估计量. 2、有效性: 则称 较 有效. 3、一致性: 1、无偏性： 定义 设 都是? 的无偏估计量,若 小结 CH3 参数估计 总体矩:k=1,2…， l=1,2…. ② ③ ④ ① X与Y的k+l 阶混合中心矩 复习： 样本数字特征 设(X1,X2,?,Xn)为总体X的样本，则 样本均值； 样本方差； 样本标准差; 样本k阶(原点)矩; 样本k阶中心矩 如果已知总体分布函数的形式，未知的只是其中包含的有限个参数，只要确定这些参数，就可以完全确定总体分布函数，这就是参数估计问题. 统计估计问题专门研究由样本估计总体未知的分布函数，或分布函数中未知的参数或某个数字特征的方法及其优良性问题. 第 3 章 参数估计 思想: 利用样本来构造一些统计量做为总体的这些参数的估计量,然后代入样本值,得到估计值. 参数估计 方法: (1)如何构造统计量以估计待估参数θ？ ⑵如何衡量所构造的统计量的好坏？ ——估计量优良性准则 对总体的某些未知参数或数字特征值, 做出估计或推断. 根据总体的样本 的观测值 n X ,..., X , X 2 1 θ的真值 θ的真值 缺点： 无法确定误差. 估计θ的真值所在的区间. （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） （ ） 最大误差： 只给出一个近似值 构造统计量直接估计参数的取值大小. 区间估计—构造统计量估计未知参数所在的区间, 并以一定的概率保证参数在相应的区间内。 点估计的一般提法: 设总体 X的分布类型已知,其分布函数为 F(x,θ), θ是未知参数,X1,X2,…,Xn是总体的一个样本,x1,x2,…,xn为相应的样本观察值. 用其观察值 作为θ的估计量 构造统计量: 作为θ的估计值 注: 2.分布函数 F(x,θ)可换为分布律p(x,θ)或概率密度函数 f(x,θ). 3.未知参数可以是多个. 例:已知山东成年人的身高服从正态分布,但均值μ和方差σ2未知,如何估计这两个参数? 1.被估参数θ是一未知常数，而估计量 (X1,X2,…,Xn)是随机变量，是样本的函数,当样本取定后，它是个已知的数值,这个数常称为θ的估计值 . * * 主要内容 一. 矩估计 二. 最大似然估计 基本思想：用样本矩估计总体矩. 理论依据: 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. 辛钦大数定律 若总体X的k阶原点矩为E(Xk) ，则样本k阶矩 依概率收敛于总体k阶矩E(Xk) 用样本k阶矩去估计相应的总体k阶