概率论与数理统计(第四版)第七章.pptVIP

第七章 参数估计 §7.3 区间估计 找 a, b 使： 例如，由 P{ -1.96≤ Z≤1.96 }=0.95 0.025 0.025 我们得到均值 的置信水平为 的置信区间为： 由 P {-1.75≤Z≤2.33 } =0.95 0.01 0.04 我们得到均值 的置信水平为 的置信区间为： 任意两个数a和b，只要它们的纵标包含f(u)下95%的面积，就确定一个95%的置信区间。 我们总是希望置信区间尽可能短。 在概率密度为单峰且对称的情形，当a =-b时求得的置信区间的长度为最短。 对给定的置信水平 查正态分布表得 从中解得 的 置信区间为 使 0 x y 即使在概率密度不对称的情形，如 分布，F分布，习惯上仍取对称的百分位点来计算未知参数的置信区间。 两点说明 1、求似然函数L( ) 的最大值点，通过求解似然方程： 得到 的MLE 。 若 是向量，上述方程必须用似然方程 组代替 。 2、用上述求导方法求参数的MLE有时行不通，这时要用最大似然原则来求 。 解： 例6 设总体 其中参数 未知，使用最大似然估计法求 的估计量。 返回 例7 其中 0,求 的极大似然估计。 解： i=1,2,…,n i=1,2,…,n (1) (2) 由 (1) 得 是 的增函数 故使 达到最大的 即 的MLE， { { 极大似然估计的一个性质: 设 的函数 g = g ( ) 是 上的实值函数,且有唯一反函数 。如果 是 的极大似然估计，则 g( ) 也是 g( ) 的极大似然估计。 例8 一罐中装有白球和黑球，有放回地抽取一个容量为n 的样本，其中有 k 个白球，求罐中黑球与白球之比 R 的极大似然估计. 解: 显然 X~B ( 1, p ) ，由例 4 §7.2 估计量的评价标准 评价一个估计量的好坏，不能仅仅依据一次试验的结果，而必须由多次试验结果来衡量 。 这是因为估计量是样本的函数，是随机变量。因此，由不同的观测结果，就会求得不同的参数估计值。因此一个好的估计，应在多次试验中体现出优良性 。 常用标准： 1．无偏性 无系统偏差 2．有效性 方差小 3．相合性 收敛性 1．无偏性 设 是未知参数 的估计量，若 则称 为 的无偏估计。 解：由例6 例9 设总体 其中参数 未知，使用极大似然估计法求 的估计量，并问是否为无偏估计？若不是，请修正使之成为无偏估计。 例 6 无偏 渐近无偏 如何修正？ 一个参数往往有不止一个无偏估计, 若 和 都是参数 的无偏估计量，我们可以比较其方差的大小来决定二者谁更优 。 由于 所以无偏估计以方差小者为好, 这就引出了有效性这一概念 。 2．有效性 设 和 都是参数 的无偏估计量，若有D( ) D( )则称 较 有效 。 例10 设总体 服从指数分布，其概率密度为： 其中参数 未知，又设 是来自 X 的样本，试证 和 nZ 都是 的无偏估计量，并比其较有效性。 其中 证： 由 第三章 : 无偏 无偏 当 n1 时， 较 更有效。 （1） ， 即 为 的无偏估计； 在数理统计中常用到最小方差无偏估计。 它的定义是: 设 ( X1, X2, …, Xn ) 是取自总体X的一个样本， 是未知参数θ的一个估计量。 若 满足： （2） ， 是 的任一无偏估计。 则称 为 的最小方差无偏估计。 （也称最佳无偏估计） 3．相合性（一致性） 设 是未知参数 的估计量，若对任意给定的ε 0 ,都有： 则称 为 的一个 相合估计（一致估计）。 前面，我们讨论了参数点估计。它是用样本算得的一个