概率论与数理统计（浙大）第8章.pptVIP

参 数 估 计 在实际问题中，对于一个总体ξ往往是仅知其分布的类型，而其中所含的一个或几个参数的值却是未知的，因此只有在确定这些参数后，才能通过其分布来计算概率，如何确定这些参数的数值呢？这就是统计推断中的“参数估计”问题。 定义 构造一个统计量 作定值的估计称为参数的点估计。 解 解 定义 例3 有一个样本为 1 453，1 650，1 367，1 502 定义 例4 点估计的方法： 一、矩估计法（也称数字特征法） 直观意义比较明显，但要求总体k阶矩存在。 二、顺序统计量法 使用起来方便，无需多大计算，但准确度不高。 三、极大似然估计法。 具有一些理论上的优点，但要求似然函数可微。 定义 证明 定义 定义 单个正态总体的区间估计 例1 2、σ2未知，求μ的置信区间 在例1中若滚珠直径的方差σ2未知，用同样的数据求μ的置信概率为0.95的置信区间。 分析例1和例2的结果会发现，由同一组样本观察值，按同样的置信概率，对μ计算出的置信区间因为σ2的是否已知会不一样。这因为：当σ2为已知时，我们掌握的信息多一些，在其他条件相同的情况下，对μ的估计精度要高一些，即表现为μ的置信区间长度要小些。反之，当σ2为未知时，对μ的估计精度要低一些，即表现为μ的置信区间长度在大一些。 3、μ已知，求σ2的置信区间 例3 两个正态总体的区间估计 解 （1）计算得 习题8 5，9，15，21 解 4、μ未知，求σ2的置信区间 两台机床生产同一个型号的滚珠，从甲机床、乙机床生产的滚珠中分别抽取8个、9个，测得这些滚珠的直径（单位:mm）如下: 甲机床 15.0，14.8，15.2，15.4，14.9，15.1，15.2，14.8 乙机床 15.2，15.0，14.8，15.1，15.0，14.6，14.8，15.1，14.5 两台机床生产的滚珠直径服从正态分布，求这两台机床生产的滚珠直径均值差μ1－μ2 的置信区间，置信概率为0.90，设 （1）已知甲、乙机床生产的滚珠直径的标准差分别为σ1=0.18mm及σ2=0.24mm; （2）未知σ1，σ2，已知σ1=σ2 。 例4 解 解 即 相应的极大似然估计量为： 例8 解 §8.2 点估计的评选标准 例1 解 例2 证明 由于方差是度量随机变量η落在它的均值Eη的邻域内的集中或分散程度的。所以一个好的估计量η，不仅应该是待估参数θ的无偏估计，而且应该有尽可能小的方差。 定义 有效估计 例3 我们不仅希望一个估计是无偏的，且具有较小的方差，有时还希望当子样容量无限增大时，即观察次数无限增多时，估计能在某种意义下越来越接近被估计的参数的真实值，这就是所谓一致性的要求。 一致性 注意： 下面证明： 证明（1） （2） （3） §8.3 参数的区间估计 有： 随机区间(θ1,θ2)包含θ的概率为1－α。 注意： 在重复取样下，将得到许多不同的区间（θ1,θ2），根据贝努里大数定理，这些区间中大约有100(1－α)%的区间包含未知参数。 但对于一次抽样所得到的一个区间，决不能说“不等式θ1θθ2成立的概率为1－ α”。因为这时θ1、θ2是两个确定的数，从而只有两种可能，要么这个区间包含θ，要么这个区间不包含θ。 1、σ2已知，求μ的置信区间 解 解 例2 构造变量 * 第8章 参数估计 点估计 点估计的评选标准 参数的区间估计 本章只研究总体分布是连续型或离散型两种情形。为简便起见，我们引入一个对这两种情形通用的概念：概率函数。我们称随机变量ξ的概率函数为f(x)是指： 在连续型情形，f(x)是ξ的密度函数。 在离散型情形，f(x)是ξ=x的概率。 §8.1 点估计 一、矩估计法 （1）列出估计式。 步骤为: （2）求解关于估计量的方程组。 （3）求出矩估计。 例1 （1）列出估计式。 （2）求解关于估计量的方程组。 （3）求出矩估计。 注意：只要总体的期望和方差存在，此结果对任何总体均适用。 例2 二、顺序统计量法 即 样本中位数。 即 解 将样本的观察值按大小顺序排列为 1 367，1 453，1 502，1 650 极大似然估计法是求估计的另一种方法。它最早由 高斯（C.F.Gauss）提出，后来被费歇（R.A.Fisher）完善。极大似然估计这一名称也是费歇给的。这是一个目前仍得到广泛应用的方法。它是建立在极大似然原理基础上的一个统计方法。 三、极大似然估计法 极大似然原理：最先出现的是概率最大的 注