参数点估计演示文件修改版.pptVIP

例1 设 X1,X2,…Xn 是取自总体 X~ B(1,p) 的一个样本, 求参数 p 矩估计. 例4 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 求 的矩估计. 解：X 的密度函数为 通过计算易得 用一阶和二阶样本矩分别替代E(X)和E(X^2) 例5 无论总体X 的分布是什么，只要二阶矩存在，则样本均值 和二阶样本中心矩 是总体均值 和方差 的矩估计量. 解： 根据矩估计的思想 解得 例6 柯西(Cauchy)分布具有概率密度函数 显然它的各阶矩不存在，因此不能用矩估计法来估计未知参数 . 例3 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 求 的最大似然估计. 解得 需要注意的是并非每个MLE都可通过求导方法得到. 例4 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 求 的最大似然估计. 解：X 的密度函数为 似然函数为 例5 同课本例 2.2.6 中的总体分布, 求 的最大似然估计. 解：似然方程为 这个方程只能求数值解. 定理2.3.1 样本均值 是总体均值的无偏估计，样 本方差 是总体方差的无偏估计. 证明：设总体的期望和方差分别为 和 . 由期望 的性质易知 ，故 是总体均值的无偏估计. 而 其中, 从而 要直接验证某个估计量是最小方差无偏估计量 是困难的. 若能求出无偏估计中方差的下界, 而且又 能说明参数 的一切无偏估计中存在某个估计 的 方差能达到这个下界，那么 就是 的最小方差无 偏估计. 下面给出一个判别准则： 定理2.3.2 (Cramer-Rao不等式)设X1,X2,…Xn是 从密度函数为 的总体抽取的样本, 是 的一个无偏估计, 若 集合 与 无关; 对 积分与微分可交换且 存在，即 (3) 例1 设 X1, X2, … Xn 是取自总体 X~B(1, p) 的一个样本，求参数 p 的无偏估计的方差下界. 而 是p的无偏估计，且 , 因此 是p 的最小方差无偏估计量. 例2 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 求 的无偏估计的方差下界. 解: (1) 写出密度函数 (2) 求密度函数对数、再求导 (3) 计算 (4) 代入C-R不等式求方差下界 最后寻找无偏估计中满足方差下界的估计量. 最小方差无偏估计量有时并不存在，这时 定义 2.3.4 称 为 的无偏估计量T 的效率. 当T的效率等于1时，称T是有效估计量. 若 ，称T是渐近的有效估计量. 例2续 的无偏估计量 的方差 ，而由 C-R不等式得到的下界为 ，故 的有效率 例3 泊松分布 的参数 的最大似然估计 是否为有效估计？ 解：泊松分布的概率函数为 显然 是 的无偏估计. 从而 所以 是有效估计量，也是最小方差无偏估 计量. 2.3.3 其他准则 定义2.3.5 设 是参数 的一个估计，称 为 的均方误差. 对于 的任一估计量 , 若 称 为 的最小均方误差估计量. 例3 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 试在形如 的统计量中确定 的最小均方误差估计 . 解：找使得