1参数估计.ppt

* * * * * 数理统计问题：如何选取样本来对总体的种种统计 特征作出判断。 参数估计问题：知道随机变量（总体）的分布类型， 但确切的形式不知道，根据样本来估计总体的参数，这 类问题称为参数估计（paramentric estimation）。 参数估计的类型——点估计、区间估计 参数?的估计量 设总体的分布函数为F(x,?)（?未知），X1，X2，…，Xn 为样本，构造一个统计量 来估计 参数?，则称 为参数?的估计量。 将样本观测值 代入 ， 得到的值 称为参数?的估计值。 点估计（point estimation) ：如果构造一个统计量 来作为参数?的估计量，则称为 参数?的点估计。 区间估计（interval estimation） ：如果构造两个 统计量 而用 来作为参数?可能取值范围的估计，称为 参数?的区间估计。 参数的点估计 点估计的方法：数字特征法、矩法、极大似然法。 样本的数字特征法：以样本的数字特征作为相应总体 数字特征的估计量。 以样本均值 作为总体均值 的点估计量，即 点估计值 点估计值 以样本方差 作为总体方差 的点估计量，即 例1 一批钢件的20个样品的屈服点（t/cm2）为 4.98 5.11 5.20 5.20 5.11 5.00 5.35 5.61 4.88 5.27 5.38 5.48 5.27 5.23 4.96 5.15 4.77 5.35 5.38 5.54 试估计该批钢件的平均屈服点及其方差。 解 由数字特征法，得屈服点及方差的估计值为 定义 设 为随机变量，若 存在，则称 为 的 阶原点矩，记作 ；若 存在，则称 为 的 阶 中心矩，记作 样本的 阶原点矩，记作 样本的 阶中心矩，记作 阶矩的概念 参数的矩法估计 矩法估计：用样本的矩作为总体矩的估计量，即 若总体X的分布函数中含有m个参数?1， ?2， …， ?m， 总体的k阶矩Vk或Uk存在，则 或 参数的矩法估计 或 得m个方程构成方程组，解得的 即为参数 的矩估计量，代入样本观测值，即得参数 的矩估计值。 矩法估计：用样本的矩作为总体矩的估计量，即 例2 设某总体X的数学期望为EX=?，方差DX=?2，X1， X2，…，Xn为样本，试求?和?2的矩估计量。 解 总体的k阶原点矩为 样本的k阶原点矩为 由矩法估计，应有 所以 结论：不管总体X服从何种分布，总体期望和方差 的矩估计量分别为样本均值、样本方差，即 估计值为 例3 设X1，X2，…，Xn为总体X的样本，试求下列总体 分布参数的矩估计量。 解 （1）由于 （2）由于 所以参数?和?2的矩估计量为 所以 得参数p的矩估计量为 例3 设X1，X2，…，Xn为总体X的样本，试求下列总体 分布参数的矩估计量。 解 （3）由于 所以参数?的矩估计量为 可见：同一个参数的矩估计量可以不同。所以统计量 存在“优、劣”之分。 或 一阶矩 二阶矩 例4 设总体X服从[?1， ?2]上的均匀分布， ?1?2，求 ?1， ?2的矩估计量， X1，X2，…，Xn为X的一个样本。 解 由于 所以由矩法估计，得 解得 区间长度的矩估计量为 解 由于 所以由矩法估计，得 解得 所以，参数 的矩估计量为 例5 对容量为n的子样，求下列密度函数中参数 的 矩估计量。 参数的极大似然估计法 思想：设总体X的密度函数为f(x,?)，?为未知参数，则 样本（X1,X2,…,Xn）的联合密度函数为 令 参数?的估计量 ，使得样本（X1,X2,…,Xn）落在观测 值