概率论与数理统计 工业和信息化普通高等教育“十二五”规划教材立项项目 教学课件 作者 谭福锦 农吉夫 第七章参数估计.pptVIP

概率论与数理统计 工业和信息化普通高等教育“十二五”规划教材立项项目 教学课件 作者 谭福锦 农吉夫 第七章参数估计.ppt

  1. 1、本文档共65页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
概率论与数理统计 工业和信息化普通高等教育“十二五”规划教材立项项目 教学课件 作者 谭福锦 农吉夫 第七章参数估计.ppt

第七章 参数估计;第一节 点 估 计 一、矩估计法 统计学家对某地区居民的平均收入水平和贫富悬殊程度做出推断, 用数理统计的话说, 实质上是对总体 的未知参数期望值 与方差值 进行估计.分别用样本均值 和样本方差 来反映这两个量的,那么这样做是否合理?直观来看这样做是合理的,从概率论的观点看也是合理的.事实上,若总体 X的期望存在, X1,X2,…,Xn是出自X 的样本,则由柯尔莫哥洛夫强大数定律,以概率为1成立 ; 而上式左边极限号内正是样本均值 ,因此,我们常用 作为 的估计值. 不仅如此, 若X 的 k阶矩存在, ,则同样由柯尔莫哥洛夫强大数定律得出 以概率为1成立.于是,同样可用样本k 阶原点矩 来近似 ak, 这种用样本原点矩去估计总体相应原点矩的方法,即是所谓的矩估计法. 一般地,若总体的分布有m 个参数 ,则显然,总体的 k 阶矩 ;( ) ak如果存在的话,必依赖这些参数,即 按照用样本矩近似真实矩的原则,可得方程 若上述关于 的方程组有唯一的解 则称 是 的矩估计量或矩估计. ;例7.1 按矩估计的定义,无论总体是什么分布, k阶样本原点矩 Ak均是它们相应真实原点矩ak 的矩估计量,只要真实矩存在.因当我们将 ak视为未知参数时, Ak显然是方程组(7.1)的唯一解. 例7.2 无论总体为什么分布,只要二阶矩存在,则样本方差 S2为方差 的矩估计量. 解 设 X1,X2,…,Xn为一样本,我们有 ;故 记为 . 需要估计的参数也可以不是总体的数字特征。 例7.3 设X 为[ ]上的均匀分布, X1,X2,…,Xn为样本,求 的矩估计. 解 ; 令 解上述关于 的方程得 例7.4 伯努利试验中,事件 A发生的频率是该事件发生概率的矩法估计. 解 此处,实际上我们视总体 X为“唱票随机变量”, ;即X服从两点分布: 求参数p 的矩法估计. 设X1,X2,…,Xn 为X 的一个样本,若其中有 n1个Xi 等于1, 则 即为事件 A发生的频率,另一方面,显然 故有 . 应用中许多问题可归结为例7.4, 如废品率的估计问题等.;特别对固定的 x,经验分布函数 Fn(x)也可在某种意义下看成是F(x) 的矩估计. 因为我们在前面讲过, Fn(x)是n 次试验中事件{Xx} 发生的频率, 而 F(x)已知是事件{Xx} 的概率. 当然这一矩估计所涉及的总体已不是原来的总体 X,而是相应的“唱票随机变量”. 并非所有建立了方程组(7.1)的矩估计问题都能得到 的解析表达式. 例7.5 设总体的密度函数为 ; X1,X2,…,Xn 为此总体的样本.则可以算出 其中 为伽玛(Gamma)函数,按矩估计原理分别用 取代 a1,a2,得到形如(7.1)的方程组,但 无法得到 简单的解析表达式,只能求 的数值解. ;使用矩估计法的一个前提是总体存在适当阶的矩,阶数应不小于待估参数的个数(或者说参数空间的维数),但这不总是可以做到的. 例7.6 柯西(Cauchy)分布 设总体具有密度函数 显然,它的各阶矩皆不存在,因此,不能用矩估计法来估计参数 .另外,尽管矩估计法简便易行,且只要 n充分大,估计的精确度也很高,但它只用到总体的数字特征的形式,而未用到总体的具体分布形式,损失了一 ;部分很有用的信息,因此,在很多场合下显得粗糙和过于一般. 二、极大似然估计法 参数的点估计方法中另一个常用方法就是极大似然估计,简记为MLE.从字面上来理解,就是通过对样本的考察,认为待估参数对象是取什么值即作为对参数的估计,事实上,极大似然估计原理也大致如此.我们通过一个具体例子来说明这一估计的思想. 例7.7 已知甲、乙两射手命中靶心的概率分别为0.9、0.4,今有一张靶纸上面的弹着点表明为10枪6中,已知这张;靶纸肯定是甲、乙之一射手所射,问究竟是谁所射? 从直观上看,甲的枪法属上乘,命中靶心率为0.9,看来这次射击成绩不至于这么差;而乙的枪法又似乎尚不足以打出这么好的成绩,但二者取一,还是更像乙所射. 我们来计算一下可能性.

您可能关注的文档

文档评论(0)

带头大哥 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档