第一节参数估计的意义讲述.ppt

四、极大似然估计 解 似然函数 练习 四、极大似然估计 四、极大似然估计 四、极大似然估计 2. X为连续型 四、极大似然估计 例3 设总体X服从指数分布，其分布密度为 解： 似然函数为 四、极大似然估计 取对数 似然方程为 四、极大似然估计 解： 例4 设连续型总体X的概率密度为 似然函数为 四、极大似然估计 取对数 解： 似然函数为 对数似然函数为 练习 设X1,X2,…Xn是取自总体X的一个样本 求 的最大似然估计值. 其中 0, 四、极大似然估计 求导并令其为0 =0 从中解得 即为 的最大似然估计值 . 对数似然函数为 四、极大似然估计 四、极大似然估计 四、极大似然估计 解：总体X的分布密度为 构造似然函数 四、极大似然估计 练习 1. 答案 五、评价估计量的标准 这就需要讨论以下问题: 问题的提出 从前面可以看到, 对于同一个参数, 用不同的 估计方法求出的估计量可能不相同, 而且, 很明显, 原则上任何统计量都可以作为未知参数的估计量. (1)对于同一个参数究竟采用哪一个估计量好? (2)评价估计量的标准是什么? 五、评价估计量的标准 常用的几条标准是： 1．无偏性 2．有效性 3．一致性 这里我们重点介绍前面两个标准 . 五、评价估计量的标准 1、无偏性 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 五、评价估计量的标准 判断下列估计量中哪些总体均值的无偏估计量 五、评价估计量的标准 所以无偏估计以方差小者为好, 这就引进了有效性这一概念 . 都是参数 的无偏估计量， 的大小来决定二者谁更优 . 和 一个参数往往有不止一个无偏估计, 若 和 我们可以比较 由于 五、评价估计量的标准 2、有效性 五、评价估计量的标准 例7：判断下列估计量中哪个是总体均值的有效估计量 五、评价估计量的标准 五、评价估计量的标准 3、一致性 五、评价估计量的标准 参 数 估 计 第一节 参数估计的意义 一、参数估计的意义 参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者总体的某些数字特征. 参数估计的两个研究方向： 1. 在已知总体分布类型的前提下，由样本信息 估计出总体未知参数的近似值，从而近似估计总体分布. 一、参数估计的意义 2. 有时关心的不是总体服从具体分布，而是关注总体的某些数字特征（如均值、方差等） 例如，灯泡厂生产过程中受到随机因素干扰，灯泡寿命不尽相同. 为评价产品质量，自然提出如何估计这批灯泡的平均寿命（总体均值），以及寿命长短相差（总体方差）等问题. 有时还希望通过数据分析，以一定的可靠性来估计灯泡平均寿命介于某个范围或者不低于某个数值. 由于样本来自总体，它必然在一定程度上反映总体，因而在参数估计问题中，经常要用到样本的某个适当的函数来估计总体的参数. 二、参数估计的概念 二、参数估计的概念 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 点估计 区间估计 二、参数估计的概念 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 这是区间估计. 估计 在区间 [1.57, 1.84] 内， 例如我们要估计某队男生的平均身高. 现从该总体中选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计，而全部信息就由这5个数组成 . 估计 为1.68， 这是点估计. 参 数 估 计 第二节 参数的点估计 一、引言 1. 顺序统计量估计法 2. 矩估计法 3. 极大似然估计 4. 最小二乘法 点估计常用方法： 二、矩估计法 矩估计法是英国统计学家K.皮尔逊最早提出来的. 由辛钦大数定律 , 若总体 的数学期望 有限, 则有 二、矩估计法 这表明，当样本容量很大时，在统计上，可以用样本矩去估计总体矩. 这一事实导出矩估计法. 定义 用样本原点矩估计相应的总体原点矩 , 又 用样本原点矩的连续函数估计相应的总体原点矩的 连续函数, 这种参数点估计法称为矩估计法 . 理论依据: 大数定律 二、矩估计法 二、矩估计法 例1 解：由矩估计法可知 二、矩估计法 例2 解： 二、矩估计法 解： 例2 二、矩估计法 解：总