数理统计6-8.pptVIP

用表格表示如下： 参数 条件 1－α 的置信区间 第八章 假设检验 §8.1 基本概念 一、原理: 例、甲乙两种名酒各4杯，从中任取4杯，若取 出的都是甲种酒称试验成功（A）， 求：1.试验一次成功的概率； 2.某人称能区分这两种酒，让他做了10次试验，结果成功了3次，试判断此人是否真的有区分这两种酒的能力。 假设检验所采用的方法类似与高数中的反证法: 先假设某个结论成立, 然后在这个结论成立的条件下进行推导和运算, 如果得到矛盾, 则推翻原来的假设, 结论不成立；这 里的矛盾是与实际推断原理的矛盾, 即如果 “ 小概率事件在一次试验中发生了”, 则认为原假设不成立, 因此, 假设检验是一种带有概率性质的反证法. 基本思想 二、假设检验的一般步骤： 三、假设检验的两类错误: 1. 第一类错误: 如果原假设H0成立,而观察值落入拒绝域,从而作出拒绝H0的结论,称作第一类错误,又称“弃真”的错误.由定义知, 显著性水平?恰好是犯第一类错误的概率； 2. 第二类错误: 如果原假设H0不成立, 而观察值却落入接受域,从而作出接受H0的结论,称作第二类错误, 又称“取伪”的错误,通常记作?。 检验时当然是两类错误越小，检验结果越精确，但是在样本容量确定的条件下，我们不可能使得两类错误都减小。 说明 一般按照控制犯第一类错误的原则进行检验,而不考虑犯第二类错误（保护原假设的原则）, 这种检验问题,称为显著性检验问题。 第七章 参数估计 §7.1 点估计 一. 问题的提法: 二、矩估计法: 由辛钦定理可知：样本的原点矩依概率收敛到总体的原点矩，即 据此，我们来定义一种参数的估计方法。 定义： 样本原点矩依概率收敛于相应的总体原点矩, 而样本矩的连续函数依概率收敛于相应的总体矩的连续函数，所以所有的矩估计都有依概率收敛这一性质（相合性）。 说明 三、极大似然估计方法: 说明 理论依据 定义： 极大似然估计的求解方法: 2、直接根据定义计算。 1、求解对数似然方程： 若驻点唯一，即为极大似然估计。 例8、设总体X服从[0 , ?]区间上的均匀分布, 求?的极大似然估计。 例9、设总体X服从[θ,θ+1]区间上的均匀分布,求?的极大似然估计。 极大似然估计的性质: 例如，例8中参数θ的方差DX的极大似然估计为： §7.2. 估计量的评选标准 1、无偏性: 例1、设X1, X2, …, Xn是来自总体X的一个样本, 并设总体二阶矩存在,EX=?，DX=?2，证明： 例2、X1,X2,…,Xn是来自X~U(0,θ)的样本， 证明： 都是θ的无偏估计。 2、有效性: 所有无偏估计中方差最小的无偏估计称为最小方差无偏估计，或称为有效估计。 上例中，n1时， 例3、对任何总体X，EX=μ，DX=σ2 ,X1 ， X2, … ,Xn 是来自X 的样本， 证明： 比 有效。 3、相合性（一致估计）: 由辛钦定理知： 故所有的矩估计都是相合估计。 §7.3 区间估计 定义: 说明 2、置信区间长度越短，估计越精确，所以一般我们是对称的取；可以证明此时的置信区间长度最短。 1、 所以置信区间并不唯一。 求置信区间的一般思路（枢轴量法） 1、设法构造一个随机变量Z=Z(X1,X2,…,Xn;? ),除参数? 外, Z不包含其他任何未知参数,Z的分布已知(或可求出),并且不依赖于参数? ,也不依赖于其他任何未知参数。（Z即称为枢轴量） §7.4.正态总体参数的区间估计 一、单个正态总体参数的区间估计: 用表格表示如下： 被估 条件 选用 分布 1－α 的置信区间 参数 统计量 说明 1、我们讲的都是双侧的置信区间，实际中还有单侧的置信区间，如书上的定义。 2、若函数g(x)单调增，则： 若函数g(x)单调减，则： 二、两个正态总体的区间估计: * 第六章 样本及抽样分布 §6.1 基本概念 一、总体: 在统计学中, 我们把所研究的全部元素组成的集合称作母体或总体, 总体中的每一个元素称为个体。 我们只研究感兴趣的某个或者几个指标(记为X)，因此把这些指标的分布称为总体的分布，记为X～F(x)。 二、样本: 设总体X具有分布函数F(x),若X1, X2,…,Xn是具有分布函数F(x)的相互独立的随机向量，则称其为总体F（或总体X）的简单随机样本, 简称样本, 它们的观察值x1,x2, …, x