概率论与数理统计7–1.pptVIP

第七章 第一节 二 、矩估计法 例1　设总体 例2　设总体X 的概率密度为 例3　设总体 例4 设 例5　设总体 例6　设总体X的分布律为 三、最大似然估计法 ⑴ X 为离散型 例1 例2 ⑵ X 为连续型 例3 例4 例5 例 第二节 一 、无偏性 例2 例3 二、有效性 例4 设 X1, X2, …, Xn 是取自总体 X 的一个样本, 求 ⑴ 参数 θ和μ的矩估计量； ⑵ 参数 θ和μ的最大似然估计量。 解 ⑴ 令 所以 解得参数θ和μ的矩估计量为 ⑵ 设x1, x2, …, xn是X1, X2, …, Xn的样本值，则 似然函数为 其中 当 时 令 第二个似然方程求不出θ的估计值，观察 ，表明L是μ的严格递增函数，又 ，故 所以当 时L 取到最大值 从而参数θ和μ的最大似然估计值分别为 则参数θ和μ的最大似然估计量分别为 估计量的评选标准 第七章 二 、有效性 一 、无偏性 三 、一致性 对同一个参数，用不同的估计方法求出的估 计量可能不相同，采用哪一个估计量为好呢? 对于一组观察值 得到 一个估计值 ，估计偏差为 定义1 设 是未知参数θ的估计量 存在，且对任意的θ，有 则称 为θ的无偏估计。 无偏性的实际意义是指没有系统偏差 例1 设 是取自总体 X 的一个样本， X 的 k 阶矩 存在，试证明 不论总体服从什么分布，k阶样本矩Ak是μk的 无偏估计。 证明 则 所以 k 阶样本矩 无偏估计。 注意: 无论X 服从什么分布,只要它的数学期望 存在， 总是 的无偏估计量。 设总体 X 的 则 都存在，且 的估计量 都未知, 是无偏的吗? 证明 注意 不是 的无偏估计， 而 所以 是 的无偏估计 （不论总体服从什么分布） 所以一般都取 是 的估计量。 所以 不是 的无偏估计量。 一个未知数可以有不同的无偏估计量。 解 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 都是参数 的无偏估计量， 我们通过可以比较 由于 * 参 数 估 计 二 、估计量的评选标准 一 、点估计 三 、区间估计 四 、正态总体均值与方差的区间估计 统计推断的 基本问题 估计问题 假设检验问题 点估计 区间估计 矩估计法 最大似然估计法 参数估计是统计推断的基本问题之一 参数估计要解决的问题: 总体分布函数的形式为已知,估计 其一个或多个未知参数（如何估计？） 点 估 计 第七章 二 、矩估计法 一 、点估计问题的一般提法 三 、最大似然估计法 一 、点估计问题的一般提法 是待估参数， 是 一个样本, 是相应的一个样本值。 点估计就是 构造一个适当的统计量 用它的观察值 作为未知参数的 近似值。 称 为估计量 为估计值 设总体 的分布函数为 形式为已知, 对未知参数估计的两种方法: 矩估计法、最 矩估计法是用样本矩估计总体矩。 英国统计学家K.皮尔逊最早 提出的。 大似然估计法。 命题：若总体X 的 k 阶矩 存在，则 证明 因为样本 相互独立且与总 体X 服从相同的分布。则 也相互 独立且与 服从相同的分布。 由辛钦定理 即 基本思想：令 ⑴　若X为连续型随机变量，设概率密度为 令 ，其中 为样本， 为样本值， 解出 为X的一个样 本，求 的矩估计量。 解 令 其中 所以λ的矩估计量为 解 且 是未知参数, 其中 X1,X2,…,Xn是取自X 的样本,求参数α的矩估计量. 令 ，则 从而α的矩估计量 为X 的一个样本，求 的矩估计量。 解 令 为X 的一个样本，求X 的数 的矩估计量。 学期望 解 令 其中 则 解得数学期望 的矩估计量分别为 总结：任何分布的均值和方差的矩估计量的表 达式都不变。 一个样本，求 的矩估计量。 为X 的 解 由 所以由上例可得 ⑵　若X为离散型随机变量，设其分布律为 令 ，其中 为样本， 为样本值， 解出 其中参数 未知，现有一组样本值1,1,1,2,2,1,3, 解 令 其中 所以θ的矩估计值为 2,2,1,2,2,3,1,1,2，试求θ的矩估计值。 这是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于英国统计学家费歇 。 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质 . 极大似然估计法 思想方法：一次试验就出现的事件有较大的概率 例如: 有两外形相同的箱子,各装100个球 一箱 99个白球 1 个红球