概率论七.docVIP

第七章 参数估计 小结 本章讨论总体参数的点估计和区间估计 1 设总体X的分布函数的形式已知，但他的一个或多个参数未知，借助于总体X的一个样本来估计总体未知参数的值的问题成为参数的点估计问题。 点估计问题的一般提法如下：舍总体X的分布函数F（x;）的形式为已知，是待估参数，构造一个适当的统计量（Xi）(i=1,2,3……n)，用它的观察值（xi）(i=1,2,3……n)为的估计量，称（xi）(i=1,2,3……n)为的估计值。 2下面介绍两种常用的构造估计量的方法：矩估计法和最大似然估计法 矩估计法 设X为连续型随机变量，其概率密度为f（x，i）（i=1,2,3……），或X为离散型随机变量，其分布律为P{X=x}=p（x，i）(i=1,2,3……)，其中i伟大股参数，Xi是来自X的y样本。假设总体X的前k阶矩 l=E(Xl)=xlf（x；i）dx（i=1,2,3……）（X连续型） l=E(Xl)= ∑xlp（x；i）（i=1,2,3……）（X离散型） 一般来说，他们是i的函数，基于样本矩Al=（1/n）∑Xli以概率收敛于相应的总体矩l（l=1,2,3……），样本矩的连续函数依概率收敛于相应的总体矩的连续函数，我们就用样本绝作为相应的总体矩的估计量。 i=i（Ai），，i=1,2,3……k） 分别作为i，i=1,2,3……k的估计量，这种估计量程为矩估计量，矩估计量的观察之称为矩估计值。 最大似然估计法 1） 如总体X属离散型，其分布律P{X=x}=p（x，），∈的形式，是待估参数，是可能取值的范围。设Xi(i=1,2,3……n)是来自X的样本，则Xi(i=1,2,3……n)的联合分布律为 p（xi，）。(i=1,2,3……n) 又设xi(i=1,2,3……n)是相应于样本Xi(i=1,2,3……n)的一个样本值。易知样本Xi(i=1,2,3……n)取到观察值xi(i=1,2,3……n)的概率L（）=L(xi;）= p（xi，）。(i=1,2,3……n) ∈这一概率随的取值而变化，它是的函数，L（）称为样本的似然函数。 L(xi;）=maxL(xi;）(i=1,2,3……n)这样得到的与样本值xi(i=1,2,3……n)有关，常记为（xi）(i=1,2,3……n)，成为参数的最大似然估计值，而相应的统计量（Xi）(i=1,2,3…… )称为参数的最大似然估计量 2） 若总体X属连续型，其概率密度f（x；） ∈的形式已知，是待估参数，是可能取值的范围。设Xi(i=1,2,3……n)是来自X的样本，则Xi(i=1,2,3……n)的联合密度为 f（xi，）又设xi(i=1,2,3……n)是相应于样本Xi(i=1,2,3……n)的一个样本值。则随机点Xi(i=1,2,3……n)落在点xi(i=1,2,3……n)的邻域内的概率近似的为 f（xi，）dx 其值随的取值而变化。我们取的估计值使概率取到最大值，但因子 f dx不随而变而变，，故需考虑函数L（）=L(xi;）= p（xi，）的最大值，这里L（）称为样本的似然函数。若L(xi;）=maxL（xi，）(i=1,2,3……n)，则称（xi）(i=1,2,3……n)为的最大似然估计值，称（Xi）(i=1,2,3……n)为的最大似然估计量。 区间估计 设总体X的分布函数F（x；）含有一个未知参数（∈是可能取值的范围），对于给定的值a（0a1）1=1（Xi）和2=2（Xi）（12）∈，满足P{1（Xi）2（Xi）}≥1-a 则称为随机区间（1，2）是置信水平为1-a的置信区间，1，2分别称为置信水平为1-a的双侧置信区间的置信下限和置信上限，1-a称为置信水平