十SECTION数理统计方法.docVIP

§2 数理统计方法 一、 总体参数的估计 1、总体（母体）与样本（子样） 研究某个问题，它的对象的所有可能观测结果称为总体（或母体），记作。总体中抽取一部分样品称为总体的一个样本（或子样）。样本中样品的个数称为样本的大小（或容量）。，可以认为是大样本，否则称为小样本。 数理统计方法就是应用概率论的结果，通过样本来了解和判断总体的统计特性的科学方法。 2、 样本特征数与总体数字特征对照表 名 称 样本特征数 总体数字特征 均 值 方 差 标准差 变异系数 偏态系数 峰态系数 注意，1° 当较大时，取 （有时称此为样本方差，而称表中的为样本修正方差） 2° 样本特征系数还有： 样本阶原点矩 样本阶中心矩 样本中位数 （样本大小n为奇数） 样本均差 样本极差 3、总体参数的点估计 记x1 ,x2 ,···,xn是从总体中取出的一个样本，可用样本的特征数来估计总体的数字特征。其常用方法有以下两种： [矩法] 矩法是用样本的r阶矩作为总体r阶矩的估值。具体步骤如下： 设的分布函数包含k个参数（其取值未知），记作。假定的k阶原点矩存在，它们自然是的函数，即 (r=1,2,···,k) 考虑总体的一个样本作出这一样本的r阶矩，即 = 然后解方程组 (= (r=1,2,···,k) 记所得的解为 用分别作为的估值。 [最大似然法] 设总体的分布是连续型的，分布密度函数为，其中是待估计的未知参数。对于给定的使函数达到最大值的，并用它们分别作为的估值。 由于ln与在同一点()上达到最大值，因此，引入函数 L()=ln=) 它称为似然函数。只要解方程组 (i=1,2,···,k) 就可以从中确定所要求的，它们分别称为参数的最大似然估计值。 如果总体的分布是离散型的，只要把上述似然函数中的取为就可以了。 例 正态总体的参数估计，假定已知总体遵从正态分布N(，但参数未知。现在要用总体的n次观测值x1 , x2 ,···, xn求的最大似然估值。 解 因为总体的分布密度函数为 因此，似然函数为 解方程组 得 容易检验确实使取到最大值。因此它们分别是的最大似然估值。 [估值好坏的判别标准] 1° 无偏性 如果参数的估值 x1 , x2 ,···, xn)满足关系式 则称是的无偏估值。 2° 有效性 如果和都是参数的无偏估值。 则称比有效。进一步，如果固定样本的容量n，使极小值的无偏估值就称为的有效估值。 3° 一致性 如果对任意给定的正数，总有 则称的估值是一致的。 由契贝谢夫不等式（见§1,三）易见，当 对某成立时，是的一致估值。 在实用中，往往应用这一充分条件来验证是否是的一致估值。 例 总体分布 未知总体 参 数 总体参数估值 无偏性 有效性 一致性 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 4、样本的频率分布 频率分布较完整地反映实验数据的变化规律。建立频率分布的步骤（设样本为x1 ,x2 ,···, xn）是： （1） 找出最大值与最小值，求得极差。 （2） 根据样本大小分组，通常大样本分成10?20组，小样本分成5?6组，再根据组数k和极差R决定组距c，如果按等距分组，则c。 （3） 确定分点（常取比原数据的精度高一位）。 （4） 数出各组的频率。 （5） 计算频率 （6） 画直方图（分点为横坐标，频率与组距之比为纵坐标）。 （7） 如果变量是连续的，则描出光滑曲线，近似的代替总体的分布。 5、总体参数的区间估计 [小概率原理] 在一次试验中，概率很小（接近于零）的事件认为是实际上不可能发生的事件；而概率接近于1的事件认为是实际上必然发生的事件。 [置信区间与显著