概率论与数理统计费为银7.pptVIP

第七章 参数估计 点估计 估计量的评选标准 区间估计 正态总体参数的区间估计 7.1 点估计 7.1.1 参数估计的概念 7.1.2 矩估计法（简称“矩法”） 7.1.3 极大似然估计法 7.2 估计量的评选标准7.2.1 　无偏性 7.2.２ 有效性 7.3 区间估计7.3.1、概念 7.4.4 双正态总体方差比的置信区间 小 结 7.4 正态总体参数的区间估计 1、?2已知 ?/2 ?/2 1-? 可取 (1-?)? ?? 1-? ?的置信度为1??的置信区间为 注：?的1??置性区间不唯一。 都是?的1??置性区间.但?=1/2时区间长最短. 求正态总体参数置信区间的解题步骤： (1)根据实际问题构造样本的函数，要求仅含待估参数且分布已知； (2)令该函数落在由分位点确定的区间里的概率为给定的置信度1??，要求区间按几何对称或概率对称； (3)解不等式得随机的置信区间； (4)由观测值及?值查表计算得所求置信区间。 (1)解: ?已知时,?的置信度为1??的置信区间为 这里 2、?2未知 m的1-a置信区间为 1-? 即得 (2)解: ?未知时,?的置信度为1??的置信区间为 这里 7.4.2 单正态总体方差的置信区间 假定m未知， s2的置信度为1??的置信区间为 7.4.3 双正态总体均值差的置信区间 其中 可解得?1- ?2 的置信区间 假定?1，?2未知 * * 定义 设X1， … ， Xn是总体X的一个样本，其分布函数为F(x; ?), ???。其中?为未知参数, ?为参数空间, 若统计量g(X1， … ， Xn)可作为?的一个估计,则称其为?的一个估计量，记为 注：F(x;?)也可用分布律或密度函数代替. 若x1， … ， xn是样本的一个观测值, 由于g(x1， … ， xn) 是实数域上的一个点， 现用它来估计?， 故称这种估计为点估计。 点估计的经典方法是矩估计法与极大似然估计法。 关键点： 1.用样本矩作为总体同阶矩的估计，即 2.约定：若 是未知参数?的矩估计，则g(?)的矩估计为g( ), 例1：设X1， … ， Xn为取自总体B(m,p),的样本，其中m已知，0p1未知，求p的矩估计。 例2：设X1， … ， Xn为取自参数为?的指数分布总体的样本，求?的矩估计。 例4：设X1， … ， Xn为取自 总体的样本，求参数 的矩估计。 1、极大似然思想 有两个射手，一人的命中率为0.9,另一人的命中率为0.1,现在他们中的一个向目标射击了一发，结果命中了，估计是谁射击的？ 一般说，事件A发生的概率与参数???有关，?取值不同，则P(A)也不同。因而应记事件A发生的概率为P(A|?).若A发生了，则认为此时的?值应是在?中使P(A|?) 达到最大的那一个。这就是极大似然思想 1.设总体X为离散型随机变量，它的分布律为 现有样本观察值x1,x2,…xn,,其中xk取值于{ak, k=1,2…} 问：根据极大似然思想，如何用x1,x2,…xn估计q? 例6.设X1， … ， Xn为取自参数为?的泊松分布总体的样本，求?的极大似然估计 2.设总体X为连续型随机变量，概率密度f(x;q) 现有样本观察值x1,x2,…xn, 问：根据极大似然思想，如何用x1,x2,…xn估计q? 3、似然函数与极大似然估计 为该总体的似然函数。 定义：若有 使得 则称 为?的极大似然估计.记为 4、求极大似然估计的步骤 (1) 做似然函数 (2) 做对数似然函数 (3) 列似然方程 若该方程有解，则其解就是 注1：若概率函数中含有多个未知参数，则可解方程组 例7：设X1， … ， Xn为取自 总体的样 本，求参数 的极大似然估计。 　　　　结果与矩估计相同 注2：极大似然估计具有下述性质： 若 是未知参数?的极大似然估计，g(?)是?的严格单调函数，则g(?)的极大似然估计为g( ), 例8：设X1， … ， Xn为取自参数为?的指数分布 总体的样本，a0为一给定实数。 求p=P{Xa}的极大似然估计 注3：由似然方程解不出?的似然估计时，可由定义通过分析直接推求。事实上 满足 例9：设X1， … ， Xn为取自 U(0,?) 总体的样本，?0未知，求参数? 的极大似然估计。 易见 考察?的矩估计和极大似然估计的无偏性 例１ 例２:设 分别为取自总体X的容量为n1,n2的两个样本的样本均值，求证：对任意实数a0,b0,a+b=1 统计量 都是E（X