数理统计 区间估计.pptVIP

1 §6.4 区间估计 在前面我们讨论了参数的点估计，参数的点估计的优点是，它的形式是确定的估计量，因而可以进行运算.只要给定样本观察值，就能算出参数的估计值.但用点估计的方法得到的估计值不一定是参数的真值，即使与真值相等也无法肯定这种相等（因为总体参数本身是未知的），也就是说，由点估计得到的参数估计值对估计的精度与可靠性没有做明确的回答，而在实际问题中，不仅需要知道未知参数的估计值，往往还需要知道这些估计值的精度与可靠性.要解决这些问题就要引入参数的区间估计. 例4 某厂利用两条自动化流水线罐装番 茄酱. 现分别 从两条流水线上抽取了容量 分别为13与17的两个相互独立的样本 与 已知 假设两条流水线上罐装的番茄酱的重量 都服从正态分布, 其均值分别为 ? 1与 ? 2 (1) 若它们的方差相同 求均值差 若不知它们的方差是否相同, 求它们的 方差比的置信概率为 0.95 的置信区间 的置信概率为0.95 的置信区间; 解 查表得 由公式(7) 的置信区间为 (1) 取枢轴量 (2) 枢轴量为 查表得 由公式(10)得方差比 的置信区间为 （三）单侧置信区间 上述置信区间中置信限都是双侧的，但对于有些实际问题，人们关心的只是参数在一个方向的界限. 例如对于设备、元件的使用寿命来说，平均寿命过长没什么问题，过短就有问题了. 这时，可将置信上限取为+∞，而只着眼于置信下限，这样求得的置信区间叫单侧置信区间. 于是引入单侧置信区间和置信限的定义： 满足 设 是 一个待估参数，给定 若由样本X1,X2,…Xn确定的统计量 则称区间 是 的置信水平为 的单侧置信区间. 称为单侧置信下限. 又若统计量 满足 则称区间 是 的置信水平为 的单侧置信区间. 称为单侧置信上限. * 在介绍区间估计之前，我们先看一个例子. 引例 已知 X ~ N ( ? ,1), 不同样本算得的 ? 的估计值不同，因此除了给出 ? 的点估计外, 还希望根据所给的样本确定一个随机区间, 使其包含参数真值的概率达到指定的要求. ? 的无偏、有效点估计为 随机变量 常数 如引例中，要找一个区间,使其包含 ? 的真值的概率为0.95. ( 设 n = 5 ) 取 查表得 这说明 即 称随机区间 为未知参数 ? 的置信度为0.95的置信区间. 反复抽取容量为5的样本,都可得一个区间,此区间不一定包含未知参数 ? 的真值, 而包含真值的区间占95%. 置信区间的意义 若测得 一组样本值, 它可能包含也可能不包含? 的真值, 反复 则得一区间 (1.86 – 0.877, 1.86 + 0.877) 抽样得到的区间中有95%包含 ? 的真值. 算得 时, 区间的长度为 —— 达到最短. 2. 当置信区间为 问题 2.为何要取 ？ 1. 确定后,置信区间是否唯一？ 与 答复 1. 不唯一. 取 ? = 0.05 设 ? 为待估参数, ? 是一给定的数, ( 0?1). 若能找到统计量 , 使 则称 为 ? 的置信概率为1 - ? 的 置信区间或区间估计. 置信下限 置信上限 置信区间的定义 ? 反映了估计的可靠度, ? 越小, 越可靠. 置信区间的长度 反映了估计精度 ? 越小, 1- ? 越大, 估计的可靠度越高,但 ? 确定后, 置信区间 的选取方法不唯一, 常选最小的一个. 几点说明 越小, 估计精度越高. 这时, 往往增大, 因而估计精度降低. 求参数 置信区间 保 证 可靠性 先 提 高 精 度 再 处理“可靠性与精度关系”的原则 寻找一个子样的函数 它含有待估参数, 不含其它未知参数, 它的分布已知, 且分布不依赖于待估参数 (常由? 的点估计出发考虑 ). 例如 求置信区间的步骤 — 称为枢轴量 取枢轴量 给定置信度 1 ? ? ,定出常数 a , b ,使得 ( 引例中 由 解出 得置信区间 引例中 置信区间常用公式 一. 非正态总体的情形 (大样本) 设总体的期望 与方差 作区间估计. 均未知, 用大样本( )对 取 近似 由 的置信区间 得 例1 从学校新生中随机地选50名,进行田径 项目测试, 由测试成绩得样本均值 样本方差 求全校新生平均田径 成绩的置信区间,