概率论与数理统计教案 Lesson plan13：6.3最小方差无偏估计.docVIP

概率论与数理统计教案 授课日期：2011年4月21日 PAGE  PAGE 3 §6.3最小方差无偏估计 一、教学目标： 1、初步理解最小方差无偏估计定义； 2、初步掌握罗—勃拉克维尔定理。 二、教学重点：最小方差无偏估计定义、罗—勃拉克维尔定理。 三、教学难点：罗—勃拉克维尔定理。 四、教学准备：课件 五、教学过程： 在前两节中我们看到有效估计平均说来是比较接近参数真值的一个估计，但并不是每个参数都能有有效估计，因为不是任何无偏估计都能达到罗—克拉美不等式下界，为此我们必须研究这样两个问题，一个问题是如果知道一个无偏估计，能否构造一个新的无偏估计，其方差比原来估计的方差小，罗—勃拉克维尔定理给出了一种改善估计的方法； 另一个问题是一个无偏估计虽不是有效估计，但是可考察它的方差在一切无偏估计类中能够达到最小的条件。 定理 （罗—勃拉克维尔定理） 设与是两个随机变量，E=和D0。设=x条件下的条件期望E{|=x}=则 E[]=，D[]≤D （6.54） 例6.3.1 设与服从二维正态N(,,,,)，这里,分别为它们的均值，分别为它们的方差而为它们的相关系数，且-11。 在第三章中我们知道维分布的联合密度函数 = 其中边际分布密度函数 = 和 b=+ 条件期望 =E(|=x)= = =b=+ 的数学期望 E= E[+]= 而方差 E= E[–] = E[] == D 当然这一只能起定理的直观解释作用，实际用处不大，因为只要五个参数中有一个未知，就不能是一个统计量。它包含这一未知参数，当然不能作为参数的估计。 罗—勃拉克维尔定理能有助于我们寻找未知参数的较优良的估计，它可以引出如下定理。 定理6.3.2 设，，…，为取自一个母体的子样。具有概率函数，∈，设=u(，，…，)是的一个充分统计量，=u(，，…，)不仅是的函数，且E=0，则E（|）=是的充分统计量的函数，其均值E[]和方差D[]D。(证明略) 这个定理给我们一个寻找较优良估计的方法。如果未知参数有一个充分统计量，我们可以限制在充分统计量的函数中去寻找。在的函数中先找出的无偏估计，然后比较其方差。也可以先???的一个无偏估计出发，注意这个不仅是的函数，然后求出E（|）。以E（|）作估计量一定比原来的有较小的方差。 那么能否在无偏估计类的全体中找到一个达到最小方差的无偏估计呢？先给出一个定义。 定义6.3.1 设，，…，是取自具有概率函数，∈的母体的一个子样。=u(，，…，)称为参数的一致最小方差无偏估计，若是的一个无偏估计，取E=，且对一切∈和任何一个无偏估计= u(，，…，)，的方差不大于的方差，即 D≤D （6.60） 系 设=u(，，…，)是∈的一个充分统计量，是的唯一一个可以表示为的函数的无偏估计，则是的一个一致最小方差无偏估计。 【课堂小结】最小方差无偏估计定义、罗—勃拉克维尔定理 【课堂练习】 习题6.3 1、2 【布置作业】 习题6.3 4、6、7（做在练习本上） 【教后小记】 1、本节内容较少，重点突出，难度适中，关键在理解最小方差无偏估计提出的意义。本节内容要求学生初步理解或初步了解。 2、讲授与学生看书相结合。之后，教师要进行概括提炼。