概率论于数理统计7.3.pptVIP

为取自总体 N ( ?1? ?12 ) 的样本, 为取自总体 N ( ?2? ?22 ) 的样本, 置信度为 1 ? ? . 分别表示两样本的均值与方差, (三) 两个正态总体的情形 相互独立, 的置信区间为 (1) 已知, 的置信区间 (2) 未知( 但 ) 的置信区间 的置信区间为 相互独立, (3) 未知, n, m 50, 的置信区间 的置信区间为 因此 令 Zi = Xi -Yi , i = 1,2,…, n, 可以将它们看成来 自正态总体 Z ~ N ( ? 1? ? 2 ,? 12 + ? 22) 的样本 仿单个正态总体公式(2) 的置信区间为 (4) 未知, 但 n = m , 的置信区间 取枢轴量 (5) 方差比 的置信区间 ( ?1 , ?2 未知) 因此, 方差比 的置信区间为 取枢轴量 (6) 方差比 的置信区间 ( ?1 , ?2 已知) 因此, 方差比 的置信区间为 例3 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 的置信度为0.95 的置信区间; 差 若不知它们的方差是否相同, 求它们的方 差比的置信度为 0.95 的置信区间 解 查表得 由公式(6) 的置信区间为 (1) 取枢轴量 * * 概率论与数理统计 * 7.3 区间估计 上一节，我们讨论了参数点估计. 它是用样本算得的一个值去估计未知参数. 但是，点估计值仅仅是未知参数的一个近似值，它没有反映出这个近似值的误差范围，使用起来把握不大. 区间估计正好弥补了点估计的这个缺陷 . 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. 随机区间包含参数真值的概率称为置信概率，置信度或置信水平. ? 的无偏、有效点估计为 随机变量 常数 习惯上把置信水平记作 ，这里 是一个 很小的正数. 小的区间 ，使 根据一个实际样本，由给定的置信水平，我 们求出一个尽可能 置信水平的大小是根据实际需要选定的. 例如，通常可取置信水平 =0.95 或0.9等. 称区间 为 的 置信区间. 置信水平为 的 寻找置信区间的方法,一般是从确定误差限入手. 使得 称 为 与 之间的误差限 . 我们选取未知参数的某个估计量 ，根据置信水平 ，可以找到一个正数 ， 只要知道 的概率分布，确定误差限并不难. 可以解出 ： 由不等式 这个不等式就是我们所求的置信区间. 7.3.1 置信区间的定义 设 是 一个待估参数，给定 满足 若由样本X1, X2,…, Xn确定的两个统计量 则称区间 是 的置信水平（置信度、 置信概率）为 的置信区间或区间估计. 分别称为置信下限和置信上限. (2) ? 反映了估计的可靠度, ? 越小, 越可靠. (1) 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 关于定义的几点说明 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 (3) ? 确定后, 置信区间的选取方法不唯一, 常选最小的一个. 如取 ? = 0.05 我们总是希望置信区间尽可能短. 对任意两个数a和b，只要它们的纵标包含f(u)下95%的面积，就确定一个95%的置信区间. 在概率密度为单峰且对称的情形，当a =-b时求得的置信区间的长度为最短. a =-b 即使在概率密度不对称的情形，如 分布，F分布，习惯上仍取对称的百分位点来计算未知参数的置信区间. 例如 7.3.2 求置信区间的一般步骤(共3步) (1) 寻找一个样本的函数 它含有待估参数, 不含其它未知