第2章_参数估计分析.ppt

的置信区间为 取枢轴量 (3) 方差比 的置信区间 ( ?1 , ?2 未知) 因此, 方差比 的置信区间为 取枢轴量 (4) 方差比 的置信区间 ( ?1 , ?2 已知) 因此, 方差比 的置信区间为 例2 某厂利用两条自动化流水线罐装番茄酱. 现分别 从两条流水线上抽取了容量分别为13与17的两个 相互独立的样本 与 已知 假设两条流水线上罐装的番茄酱的重量都服从 正态分布, 其均值分别为 ? 1与 ? 2 若它们的方差相同, 求均值差 的置信度为0.95 的置信区间; 解 查表得 由公式(6) 的置信区间为 取枢轴量 同学们可通过练习，掌握各种求未知参数的 置信区间的具体方法. 这一讲，我们介绍了区间估计. (三) 单侧置信区间 定义 对于给定的 ? (0 ? 1) , ? 是待估参数 是总体 X 的样本, 若能确定一个统计量 使得 则称 为置信度为1 - ? 的单侧置信区间. 单侧置信下限 单侧置信上限 例3 已知灯泡寿命X 服从正态分布, 从中随机 地抽取 5 只作寿命试验, 测得寿命为 1050 , 1100 , 1120 , 1250 , 1280 (小时) 求灯泡寿命均值的置信度为0.95的单侧置信 下限与灯泡寿命方差的置信度为0.95的单侧置信 上限. 解 未知 (1) 选取枢轴量 (2) 选取枢轴量 (四) 非正态总体的情形 若总体 X 的分布未知, 但样本容量很大, 由中心极限定理, 可近似地视 若 ?2 已知, 则 ? 的置信度为1 - ? 的置信区间 可取为 若 ?2 未知, 则 ? 的置信度为1 - ? 的置信区间 可取为 例4 已知 X 服从参数为 p 的0-1分布, 样本为 求 p 的置信度为 1 ? ? 的置信区间 解 ( n 50 ). (近似) 令 所以参数 p 的置信区间为( p1, p2 ) 例如, 自一大批产品中抽取了100个样品, 其中有60个 一级品, 求这批产品的一级品率 p 的置信度为0.95的置信区间. p 的置信区间为 例5 某厂用两条流水线生产番茄酱小包装， 现从两条流水线上各随机抽取一个样本，容量 分别为 ，称重后算得（克）： 设两条流水线上所装番茄酱的重量 与 服从正态分布， ～ ， ～ 求 的0.90的置信区间。 例7 设总体期望为 E( X )= ? , 方差 D( X )=? 2 为总体X 的一个样本 常数 证明 是 ? 的无偏估计量 (2) 证明 比 更有效 证: (1) (2) 而 结论 算术均值比加权均值更有效. 例如 X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本. 都是? 的无偏估计量 由例7(2) 知 最有效. 罗—克拉美（Rao – Cramer） 不等式 若 是参数 ? 的无偏估计量, 则 其中 p ( x , ? ) 是总体 X 的概率分布或密度函数， 称为方差的下界. 当 时, 称 为达到方差下界的 无偏估计量, 此时称 为最有效的估计量, 简称 有效估计量. I(θ) 例8 设总体 X 的密度函数为 为 X 的一个样本值. 求? 的极大似然估计量，并判断它是否是达到 方差下界的无偏估计量. 为常数 解 由似然函数 ? 的极大似然估计量为 它是? 的无偏估计量. 而 故 是达到方差下界的无偏估计量. 定义 设 是总体参数? 的 则称 是总体参数? 的一致(或相合)估计量. 估计量. 若对于任意的? ? ? , 当n? ?时, 依概 相合性 率收敛于? , 即 一致性估计量仅在样本容量 n 足够大时,才显示其优越性. 例9 为常数 则 是? 的无偏、有效、一致估计量. 证 由例8 知 是? 的无偏、有效估计量. 所以 是 ? 的一致估计量, 证毕. 这一讲，我们介绍了参数点估计，讨论了估计量的优良性准则 . 给出了寻求估计量最常用的矩法和极大似然法 . 参数点估计是用一个确定的值去估计未 知的参数. 看来似乎精确，实际上把握不大. 为了使估计的结论更可信，需要引入区间估计. 这是下一讲的内容 . § 2.4 区间估