概率论与数理统计（张艳艳） 第七章 第三节.pptVIP

第七章 参数估计 　　§3　 估计量的评选标准 　　前面我们讨论了参数的点估计， 对于同一 参数， 用不同的估计方法， 求得的估计量可能 不同， 但什么样的估计量是好的呢？ 　　这就是用什么标准评价估计量的问题， 也是这节要讨论的问题。 第七章 参数估计 　　例如 一个好的估计量？ 样本均值　是否是总体均值　的 的估计量？ 　　样本方差　是否是总体方差　的一个好 　　这就需要讨论以下几个问题： （1）一个“好的”估计量具有什么特性？ （2）怎样决定一个估计量是否比另一个估计 量“好”？ （3）如何求得合理的估计量？ 第七章 参数估计 　　在介绍估计量评选标准之前， 强调指出： 　　评价一个估计量的好坏， 次试验的结果， 　　这是因为估计量是样本的函数， 量。 因此，由不同的观测结果，就会求得不同 的参数估计值。 因此一个好的估计，应在多次 试验中体现出优良性。 而必须由多次试验结果来衡量。 是随机变 我们必须 不能仅仅依据一 第七章 参数估计 　　常用的几条标准： 　　1．无偏性 　　2．有效性 　　3．相合性 　　这里我们重点介绍前面两个标准 第七章 参数估计 　　定义【3.1】若估计量 　　估计值在未知参数真值附近摆动， 期望值等于未知参数的真值。 的数学期望　　存在， 且对于任意　　　有 则称　是　的无偏估计量。 　　设　　　　　是总体　的一个样本， 是包含在总体　的分布中的待估参数， 此处 是　的取值范围。 而它的 第七章 参数估计 　　无偏性是对估计量的一个常见而重要的 无偏性的实际意义是指没有系统性的偏差 要求。 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。 　　例如 第七章 参数估计 　　例如 设总体　的均值　，方差　　　均 未知， 由第六章知 这说明，无论总体服从什么分布 样本均值　是总体均值　的无偏估计 样本方差　是总体方差　的无偏估计 第七章 参数估计 存在， 　　例1　设总体　的　阶矩 又设　　　　　是　的一个样本， 试证明 无论总体　服从什么分布， 　阶样本矩 是　阶总体矩　的无偏估计量。 　　证明 所以 即有 证毕. 与　同分布， 因为 第七章 参数估计 为 其概率密度 　　例2　设总体　服从指数分布， 其中参数　　未知 又设　　　　　是来自　的样本， 试证　与 都是　的无偏估计量。 　　证明 因为 所以，　是　的无偏估计量。 事实上，每个 　都是　的无 偏估计量 第七章 参数估计 又因为 具有概率密度 均值为　的指数分布 故 所以，　也是参数　的无偏估计量。 证毕. 第七章 参数估计 　　一个参数往往有不止一个无偏估计。 在样本容量 相同的情况下， 若 　　由于方差是随机变量取值与其数学期望的 怎样去比较谁更优些呢？ 　和　都是参数 的无偏估计量， 偏离程度的度量， 所以无偏估计以方差小者为 好。 这就是估计量的另一个评选标准 ——有效性 第七章 参数估计 　　定义【3.2】设　　　　　　　　　与 都是　的无偏估计量， 若对任意　　　，有 上式中的不等号成立， 且至少对某一个　　 ， 则称　较　有效。 第七章 参数估计 　　例3　证明例2中， 　的无偏估计 又由于 当　　时， 量　较　的无偏估计量　　有效。 　　证明 由于 所以 　服从参数为 　的指数分布 所以 当　　时， 则　较　 有效。 证毕. 即 第七章 参数估计 　　最小方差无偏估计 　　定义【3.3】设　　　　　是来自总体 的一个样本， 一个估计量， 是未知参数　的 若　满足 （1）　　　　，即　为　的无偏估计； 计量。 （2）　　　　　，其中　是　的任一无偏估 则称　为　的最小方差无偏估计 （也称 最佳无偏估计）。 第七章 参数估计 前提下提出的。 　　无偏性和有效性都是在样本容量　固定的 我们希望，随着样本容量的增 大， 一个估计量的值稳定于待估参数的真值。 这就是对估计量的相合性的要求。 　　相合性是对估计量的基本要求， 若估计量 不具有相合性， 这样的估计 量是不可取的。 那么无论样本容量　有多大， 都不能将参数　估计的足够准确， 第七章 参数估计 　　定义【3.4】设　　　　　　　为参数 的估计量， 若对任意 当　　　时， 依概率收敛于　， 的相合估计量。 则称　为 　　即 若对任意　　　都满足： 对任意　　，有 则称　是　的相合估计量。