概率8_1估计量优劣标准8_2点估计090601.pptVIP

最大似然估计法的基本思想就是最大似然原理. 例1:设有一随机事件,已知它出现的概率p的可能值是0.01 和0.99,若在一次试验中该事件就出现了,这时我们估计p 为0.99为更合理. 例2: 一个老猎人带领一个新手进山打猎,遇见一只飞奔的 兔子,他们各发一弹,野兔被打中了,但身上只有一个弹孔, 最可能是谁打中的呢?不用问,我们认为是老猎人打中的更 合理. 同样,机器出故障,有经验的修理工首先从最易损的部件 查起.公安人员破案也是从最有嫌疑的人员开始查起. 最大似然原理: 一次试验中某事件已经发生,引起它发生 的原因很多,我们认为最可能的原因是使此事件发生的可 能性最大的那个原因. 最大似然估计 分布中的未知参数 进行估计 用途：根据从总体 中抽取的样本 ，对总体 最大似然估计:已经得到一组样本的观测值 出现的可能性最大. 对离散型的随机变量：就是估计出概率函数中的参数 对连续型的随机变量：就是估计出概率密度中的 下面研究得到最大似然估计量 的方法 * * 参数估计 第八章 引 言 上一讲，我们介绍了总体、样本、简单随机样本、统计量和抽样分布的概念，给出了几个重要的抽样分布定理. 它们是进一步学习统计推断的基础. 人们经常遇到的问题是如何选取样本及根据样本来对 要求总体的分布函数 （或密度函数 ），必须 参数估计通常有两种方法方法：点估计和区间估计。 总体的种种统计特征作出判断，通常总体的大致分布 类型知道，但确切形式不知，亦即总体的参数未知。 根据样本估计出总体的参数，这种问题成为参数估计，  总体 样本 统计量 描述 作出推断 在这个过程中, 研究统计量的性质和评价一个统计推断的优良性，显然非常重要. 随机抽样 估计量优劣标准 设 是总体中要被估计的参数， 是 的估计，评价标准有各种各样，本节介绍三种常用的。 、一致估计 若当 时, 依概率收敛于 ,即对 则称 为参数 的一致估计 的估计量，它是样本 的函数.其值随着每次样本 的较好 观测值不同而不同，故也是随机变量， 估计量是随机变量，对于不同的样本值会得到不同的估计值 . 我们希望估计值在未知参数真值附近摆动，而它的期望值等于未知参数的真值. 这就导致无偏性这个标准 . 二．无偏估计 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 例如，用样本均值作为总体均值的估计时，虽无法说明一次估计所产生的偏差，但这种偏差随机地在0的周围波动，对同一统计问题大量重复使用不会产生系统偏差 . 无偏性是对估计量的一个常见而重要的要求 . 无偏性的实际意义是指没有系统性的偏差 . 都是参数 的无偏估计量， 和 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 . 的大小来决定二者 和 一个参数往往有不止一个无偏估计, 若 比较 我们可以 谁更优 . 由于 类似地,若从总体中随机取出两个相互独立的样本 及 则可以证明 及 分别是总体 的无偏估计量。 三．有效估计 定义: 设 和 都是 的无偏估计,若样本容量为 ,且 ,则称 是比 有效的估计量.若在 的一切无偏估计量的方差中 达到最小,则 称为 的有效估计量. 的估计量中最接近 的是有效估计量 例1.从总体 中抽取一样本 证明: , , ,试证:样本平均数 及样本方差 分别是 的无偏估计. 事实上 , 只需证 因相同分布的随机变量离散型的具有相同的概率分布律 连续型的具有相同的概率密度，所以期望与方差全相同 　　例2　设总体 X 的期望E( X )与方差D( X )存在， (X1, X2，…，Xn)是 X 的一个样本，n 1．证明 不是D( X )的无偏估计量； 是D( X )的无偏估计量． (2) (1) (2)由前例已知,这里只讲(1) 不是D( X )的无偏估计量； (1) 类似地,若从总体中随机取出两个相互独立的样本 及 则可以证明 及 分别是总体 的无偏估计量。 三．有效估计 定义: 设 和 都是 的无偏估计,若样本容量为 ,且 ,则称 是比 有效的估计量.若在 的一切无偏估计量的方差中 达到最小,则 称为 的有效估计量. 的估计量中最接近 的是有效估计量 设总体方差值为 例3.比较总体期望值 与两个无偏估计的有效性 解: 于是 ,故 比 有效。 证明:[对ai的个数(设为m)采用数学归纳法证明] 2)设当m=n-1时,有: 3)当m=n时, 证毕) 设总体方差值为 例4.比较总体期望值 与两个无偏估计的有效性 解