概率8.1估.计量优劣标准_8.2点估计_090526.pptVIP

证毕) 设总体方差值为 例4.比较总体期望值 与两个无偏估计的有效性 解: 1. 矩估计法 2. 最大似然法 3. 最小二乘法 4. 贝叶斯方法 …… 这里我们只介绍前面两种方法 . ８.２获得估计量的方法——点估计 1. 矩估计法 其基本思想是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 . 大数定律 回顾第三章相关的内容: 对于正整数k,记 另一种是中心矩: 对于正整数k,记 显然数学期望是一阶原点矩. 显然方差是二阶中心矩. 最常用的矩有两种.一种是原点矩: (1)总体矩与样本矩 称为k阶样本原点矩． 称为k阶样本中心矩． 其中 是样本均值．显然，样本均值是一阶样本原点矩， 但样本方差不是二阶样本中心矩． 矩法思想: 就是用样本矩作为同阶同类型的总体矩的估计量. (注意与样本 方差有区别) 例１．某灯泡厂某天生产了一大批灯泡，从中抽取了10 个进行寿命试验，得数据如下 １２００ １３００ １１３０ １０４０ １２５０ １２００ １１２０ １０８０ １１００ １０５０ 问该天生产的灯泡平均寿命大约是多少？ 解： 由矩法估计理论知道样本均值就是总体均值的矩估计量. 该天生产的灯泡平均寿命就是 该天生产的灯泡平均寿命大约是多少就是求 的估计量. X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 解: 由矩法, 样本矩 总体矩 从中解得 的矩估计. 即为 数学期望 是一阶 原点矩 例2 设总体X的概率密度为 是未知参数, 其中 解:由密度函数知 例3 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的矩估计. 具有均值为 的指数分布 故 E(X- )= D(X- )= 即 E(X)= D(X)= 解得 令 用样本矩估计 总体矩 即 E(X)= D(X)= 矩法的优点是简单易行,并不需要事先知道总体是什么分布 . 缺点是，当总体类型已知时，没有 充分利用分布提供的信息 . 矩法是最古老的求估计量的方法，但它产生的 估计量往往不够理想． * * 参数估计 第八章 引 言 上一讲，我们介绍了总体、样本、简单随机样本、统计量和抽样分布的概念，给出了几个重要的抽样分布定理. 它们是进一步学习统计推断的基础.  总体 样本 统计量 描述 作出推断 在这个过程中, 研究统计量的性质和评价一个统计推断的优良性，显然非常重要. 随机抽样  现在我们来介绍一类重要的统计推断问题 参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数. 参数估计 估计废品率 估计新生儿的体重 估计湖中鱼数 … … 估计降雨量 在参数估计问题中，假定总体分布 形式已知，未知的仅仅是一个或几个 参数. 这类问题称为参数估计. 参数估计问题的一般提法 X1,X2,…,Xn 要依据该样本对参数 作出估计，或估计 的某个已知函数 . 现从该总体抽样，得样本 设有一个统计总体，总体的分布函数 向量) . 为 F(x, )，其中 为未知参数 ( 可以是 参数估计 点估计 区间估计 估计 为1.68， （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内， 假如我们要估计某队男生的平均身高. 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 引言 例1 已知某地区新生婴儿的体重X~ 随机抽查100个婴儿 … 得100个体重数据 10, 7, 6, 6.5, 5, 5.2, … 呢? 据此,我们应如何估计 和 而全部信息就由这100个数组成. 为估计 ,我们需要构造出适当的样本的函数T(X1,X2,…Xn)，每当有了样本，就代入该函数中算出一个值，用来作为 的估计值 . 把样本值代入T(X1,X2,…Xn) 中，得到 的一个点估计值 . T(X1,X2,…Xn)称为参数 的点估计量， 请注意，被估计的参数 是一个未知常数，