概率论与数理统计-点估计教案.pptVIP

参数估计 在所研究的总体分布形式已知，但分布 §7.1 点 估 计 一、点估计的概念 二、 矩估计法 根据辛欣大数定律，样本矩 依概率收敛 例1 例2 例3 说明 例4 三、 最大似然估计法 最大似然估计法求估计量的步骤： 说明 例5 例6 例7 * * 点 估 计 统计推断理论 { 估计问题 假设检验问题 { 参数估计 非参数估计 第七章 参数估计 { 参数检验 非参数检验 点估计 函数F(x,θ)中含有参数未知时，利用样本来对未知 参数进行估计. 参数估计的方法 { 点估计 区间估计 { 矩估计法 最大似然估计法 最小二乘估计法 贝叶斯估计法 评估标准 点估计的概念 矩估计法 最大似然估计法 点估计 设总体X的分布函数F(x;θ)的形式为已知,θ是 待估参数.X1,X2, …,Xn 是总体X一个样本， x1, x2, …,xn 是相应的样本值. 用样本X1,X2, …,Xn 构造适当统计量 用其观察值 来估计未 知参数θ. 为θ的估计值. 这种对未知参数进行定值估计的方法称为点估计法. 而称 矩估计法 以样本矩作为相应总体矩的估计量，以 点估计 到总体矩μk(k=1,2,‥‥). 体矩函数. 样本矩函数依概率收敛于总 样本矩函数作为相应总体矩函数的估计量，从而确定 待估参数的方法. 既有 点估计 设总体X~B(1, p), X1, X2, … ,Xn是来自X的一个样 解 X的分布律为 X~B(1, p) 本，试求参数 p 的矩估计量. p的矩估计量 显然，EX=p 若取一个样本1,0,1,0,0,1,1,1，求参数p的矩估计值. 点估计 设总体X服从参数为λ指数分布，其中参数λ 解 X~E(λ), 为参数λ的矩估计量. 未知,λ0, X1, X2,…,Xn是总体X的一个样本, 试求参 数λ的矩估计. 则μ1=E(X)= 1/λ. 点估计 设总体X的均值μ与方差σ2(σ20)均存在，但 解 μ2=E(X2)= D(X)+E(X)2= σ2 +μ2 分别为参数μ,σ2的矩估计量. 求参数μ,σ2的矩估计. μ1=E(X)= μ, μ,σ2未知, X1, X2, … ,Xn是总体X的一个样本，试 令A1= μ1= μ, A2 =μ2=σ2 +μ2 解之得 点估计 若总体X~N(μ,σ2) ,μ,σ2未知, X1, X2, … ,Xn是 总体X的一个样本，则参数μ,σ2的矩估计量为 点估计 解： 设总体X~U[a,b], a,b未知,X1, X2, … ,Xn是总体 X的一个样本，试求a,b的矩估计量. X~U[a,b] 解之得： 点估计 其中 点估计 例如 我校需购置一批灯管，根据以往经验知 供应商 提供灯管的次品率为10%，但该供应商称次品率为5%. 现从中随机抽取10件，发现有4件为次品.试判断该批 若记X为次品数，则 X~B(10, p) 若p=0.05,则 若p=0.1,则 此时P1P2, 灯管的次品率。 该批灯管的次品率为0.1。 点估计 对于样本X1, X2, …,Xn的一个观察值x1, x2, …,xn, 无论总体X是连续型，还是离散型, 其联合密度函数 均是以θ为变量的 联合分布律 函数，称此函数为似然函数. 记为 似然函数可以是一元函数,也可以是多元函数. 定义 定义 点估计 若总体X的分布形式已知，但含未知参数θ， x1, x2, …,xn 是总体X一个样本观察值，若在θ的取值 范围Θ内确定一个 ,使似然函数L(x1, x2, …,xn,θ)最大. 既有 L(x1, x2, …,xn, )=max L(x1, x2, …,xn,θ) 这种确定未知参数θ的方法称为最大似然估计法. 点估计 1. 构造似然函数L(x1, x2, …,xn,θ)=L(θ) 2. 取对数lnL(θ) -----对数似然方程 4. 解似然方程得θ的最大似然估计量 离散型总体 连续型总体 点估计 1. 上述结论可以推广到多个待估参数上， 2.若似然方程（组）无解，或似然函数不可导，此法 -----对数似然方程组 失效，改用其它方法. 如书P183;例6 点估计 设总体X~B(1, p), X1, X2, … ,Xn是来自X的一个样 解 X的分布律为 X~B(1, p) 本，试求参数 p 的最大似然估计量. 样本值x1, x2, …,xn 似然函数 对数似然方程 解之得，p的最大似然估计值 p的最大似然估计量 点估计 设总体X的概率函数 解 X~f(x;θ) 其中θ(θ1)未知， X1, X2, … ,Xn是来自X的一个样 样本值x1, x2, …,xn 似然函数 对数似然函数 本,试求参数θ的最大