概率论与数理统计第6章.pptVIP

3. 设X~N(μ,σ2)，其中μ,σ2未知，问μ,σ2的最大似然估计是否为μ,σ2的无偏估计？若不是，请修正使它成为无偏估计。 解 设(X1,X2,…,Xn)是取自总体X的一个样本，由例6.6知 是μ的无偏估计 不是σ2的无偏估计，而 为σ2的无偏估计。 4. 设X1,X2, …,Xn为取自U(0,?)总体的样本， ?0未知，求参数? 的最大似然估计。 5. 设总体X~U[1,?]，?1，未知， (X1,X2,…,Xn)是总体X的一个样本， (1)求?的矩估计和最大似然估计； (2)上述两个估计是否为无偏估计量，若不是，请修正为无偏估计量； (3)问在(2)中的两个无偏估计量哪一个更有效？ 解 X的密度函数 (1) ?的矩估计为 设(x1,x2,…,xn)为样本观察值，则似然函数 i=1,2,…n 令xn*=max(x1,x2,…,xn)，则xn*≤? 即?的最大似然估计为 (2) 是? 的无偏估计。 为求 先求Xn*的密度函数 显然，它不是? 的无偏估计，修正如下： 令 则 是? 的无偏估计。 (3) 当n1时，对任意? 1， 因此 比 更有效。 6.3 置信区间 上一节中，我们讨论了参数的点估计，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没有给出它与真值之间的可靠程度，在实际应用中往往还需要知道参数的估计值落在其真值附近的一个范围。为此我们要求由样本构造一个以较大的概率包含真实参数的一个范围或区间，这种带有概率的区间称为置信区间，通过构造一个置信区间对未知参数进行估计的方法称为区间估计。它是由奈曼(Neymann)于1934年提出的。 定义1 设θ为总体分布的未知参数, X1,X2,…,Xn是取自总体X的的一个样本, 对给定的数α(0α1)，若存在统计量 使得 注：1) 置信区间是以统计量为端点的随机区间，对于给定的样本 观察值(x1,x2,…,xn)，对应每个样本值都确定了一个置信区间 一、置信区间的概念 则称随机区间 为θ的1-α的双侧置信区间, 称1-α为置信度,又分别称 与 为θ 的双侧置信下限与双侧置信上限. ,每个这样的区间可能包含真值θ，也可能不包含真值θ，但在多次观察或试验中，每一个样本皆得到一个置信区间，在这些区间中包含真值θ的频率接近于置信度(即概率)1-α，即包含真值θ的区间占100(1-α)%个，不包含θ的仅占100α%个。 例1 设(X1,X2,…,Xn)是取自总体X~N(μ,σ2)的一个样本，其中σ2已知，μ未知。试求出μ的置信度为1-α的置信区间。 解 由于样本均值 是总体均值μ的无偏估计，且 故统计量 由标准正态分布的双侧分位数α定义可知 即μ落在区间 内的概率为1-α。 此区间称为μ的置信度为1-α的置信区间。 -uα/2 O uα/2 x φ(x) α/2 α/2 1-α 二、寻求置信区间的方法 寻求置信区间的基本思想：在点估计的基础上，构造合适的含样本及待估参数的函数U，且已知U的分布，再针对给定的置信度导出置信区间。 一般步骤: (1) 选取未知参数 的某个较优估计量 . (2) 围绕 构造一个依赖于样本与参数 的函数 (3) 对给定的置信水平 ,确定 与 ,使 通常可选取满足 的 与 ,在常用分布情况下, 这可由分位数表查得; (4) 对不等式作恒等变形化后为 则 就是 的置信度为 的双侧置信区间。 三、0-1分布参数的置信区间 考虑(0—1)分布情形, 设其总体X的分布率为 现求p的置信度为 的置信区间. 已知(0—1)分布的均值和方差分别为 E(X)=p, D(X)=p(1-p). 设X1,X2,…,Xn是总体X的一个样本, 由中心极限定理知, 当n充分大时, 近似服从N(0,1) 分布, 对给定的置信度 ,则有 经不等式变形得 解式中不等式得 于是(p1, p2)可作为p的置信度为 的置信区间. 例2 设抽自一大批产品的100个样品中, 得一级品60个, 求这批产品的一级品率p的置信水平为0.95的置信区间. 解 一级品率p是0-1分布的参数，这里 于是 p1=0.50, p2