概率论与数理统计-基础知识.pptVIP

概率论中的相关概念 数理统计 二、参数估计 三、假设检验 假设检验的基本原理 假设检验的一般步骤 点估计 在总体的分布F(x,?)中,???是待估参数,?是参数空间;(X1, X2, …, Xn)是一个样本,(x1, x2, …, xn)是样本值. 构造一个适当的统计量 (X1, …, Xn)去估计未知参数?,用 (x1, x2, …, xn)的值作为?的近似值.称 (X1, …, Xn)为?的一个点估计量, 称 (x1, x2, …, xn)为?的一个点估计值. 矩估计法(一般步骤) 1. 判断参数的个数k. 2.建立k个方程。 3. 解出k个方程. 1.理论基础是:若各阶总体矩存在,则各阶样本矩收敛到相应总体矩. 2.最终解出的结果并非? 的真值,故在?上加?以示区别. 3.注意:矩估计法关键是能写出k个方程的等号右边部分,而不必知道总体的分布. 极大似然估计法 设 (X1, X2, …, Xn)为总体X的一个样本, (x1,x2, …, xn)为对应的观察值(样本值),?为其参数(也可能是参向量).若X是离散型,不妨设有分布律p(x;?),若X为连续型,不妨设有密度函数f(x;?).分别考虑多维随机变量(X1, X2, …, Xn)在(x1,x2, …, xn)点或其附近发生的概率. 离散型: P{X1=x1, …, Xn=xn}=? p(xi;?) 连续型: P{X1?U(x1,dx1/2), …, Xn?U(xn,dxn/2)}=? f(xi;?) dxi 由于观察值(样本值)(x1,x2, …, xn)是已经发生的,故出现的概率应该较大. 极大似然估计的思想方法是:选取使得上述概率达到最大的?作为极大似然估计. 针对离散型和连续型情形,分别称 L(?)=L(x1, x2, …, xn;?)= ? p(xi;?) 或 L(?)=L(x1, x2, …, xn;?)= ? f(xi;?) 为样本(x1, x2, …, xn)的似然函数,lnL(?)称为对数似然函数. 极大似然估计法求解的通用步骤: 1. 写出似然函数(或观察值发生的概率). 2.求似然函数的最大值点. 注：一般当似然函数关于?处处可微时,可以: (1)求驻点(求导或求偏导) (2)判断驻点是否为极大值点,最大值点. 估计量的评价标准 (X1, …, Xn)是来自X的一个样本, ???是待估参数,若估计量 (X1, …, Xn)的数学期望E( )存在,且对任意???有 E( )=? 则称 是?的无偏估计量. 设 = (X1, …, Xn)与 = (X1, …, Xn)都是?的无偏估计,若 则称 比 有效. (X1, …, Xn)是未知参数 ?的估计量, 若 则称 是?的一致估计量或相合估计量. 区间估计 设总体X的分布函数F(x;?)含有未知参数?,对于给定值?(0 ?1),若由样本(X1,…,Xn) 确定的两个统计量 使 则称随机区间 为?的置信度为1??的置信区间. 和 分别称为置信度为1??的置信上限和置信下限. 区间估计的本质：通过已知概率1??,总体X的分布(分布函数、密度函数、分布律),求解和未知参数?有关的两个统计量的形式. ? 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, 通常选长度最小的一个. 越小, 估计精度越高. 这时, 往往增大, 因而估计精度降低. 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 当置信区间为 区间的长度为 —— 达到最短 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 1. 寻找样本(X1,…,Xn)的函数 g(X1,…,Xn; ?) 它不包含除?外的未知参数,且服从特定分布,此分布和?的值无关. 求解未知参数?的双侧置信区间的方法与步骤： 2. 根据给定的置信度1-?(0 ?1),有 P{?1 g(X1,…,Xn; ?) ??2}= 1?? 由此解出一组?1,?2(往往需要查教材附表). 3.