第十部分点估计.pptVIP

* 第十章 点估计 第一节 点估计问题 第二节 估计方法 第三节 点估计的优良性 数理统计问题： 参数估计问题： 参数估计的类型——点估计、区间估计 §10.1 点估计问题 如何选取样本来对总体的种种统计特征作出 判断。 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? 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 区间估计 Interval 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。 如果构造两个统计量 和 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。 点估计的方法：数字特征法、矩法估计、极大似然估计法 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 §10.2 估计方法 一、数字特征法 例： 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。 由数字特征法，得屈服点及方差的估计值为 解： 设X为随机变量， 若E(|X|k)存在，则称E(Xk)为X的k阶原点矩， 记作E(Xk)； (2) 若E(|X-E(X)|k)存在，则称E(X-E(X))k为X的 k阶中心矩，记作Uk = E(X-E(X))k 样本的k阶原点矩，记作 样本的k阶中心矩，记作 1. k阶矩的概念 二、矩法估计 2. 矩法估计 用样本的矩作为总体矩的估计量 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 即 矩法估计的具体步骤 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 或 例：设某总体X的数学期望为E(X)=?，方差D(X)=?2， X1，X2，…，Xn为样本，试求? 和?2的矩估计量。 解： 样本的k阶原点矩为 由矩法估计，应有 所以 总体的k阶原点矩为 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 例：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： 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 (1) 由于 (2) (3) 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。 统计量存在“优、劣”之分！ 或 一阶矩 二阶矩 由于 三、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