概率统计8-34.pptVIP

* 无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 定义： 1 六.估计量的评价标准 是总体期望 E( X ) 的无偏估计量 1. 样本均值 特别地， 2. 样本二阶原点矩 总体二阶 的无偏估计量 原点矩 是 例3 设 是总体 X 的一个样本 , X ~ B ( n , p ) n 1 , 求 p 的无偏估计量. 所以无偏估计量中方差较小的比较好, 这就引进了有效性这一概念 . 的大小来决定二者谁更优 . 和 一个参数往往有不止一个无偏估计, 若 和 都是参数 的无偏估计量， 我们可以比较 由于 都是总体参数? 的无偏估计量, 且 则称 比 更有效. 定义: 设 有效性 2 例4 设总体期望为 E( X )= ? , 方差 D( X )=? 2 为总体X 的一个样本 常数 证明 是 ? 的无偏估计量 (2) 证明 比 更有效 证: (1) 依定义知结论(1)成立。 (2) 结论: 算术均值比加权均值更有效. 例5 设X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本，则 都是? 的无偏估计量 且 最有效， 定义 设 是总体参数? 的 则称 是总体参数? 的一致(或相合)估计量. 估计量. 若对于任意的? ? ? , 当n? ?时, 依概 率收敛于? , 即 一致性估计量仅在样本容量 n 足够大时,才显示其优越性. 一致性（相合性） 3 七.参数的区间估计 前面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. 不同的样本值算得的 ? 的估计值不同. 即点估计值作为近似值使用起来把握不大。 因此除了给出未知参数的点估计外，我们 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. 譬如，在估计湖中鱼数的问题中，若我们根据一个实际样本，得到鱼数 N 的极大似然估计为1000条. 若我们能给出一个区间，在此区间内我们合理地相信 N 的真值位于其中. 这样对鱼数的估计就有把握多了. 实际上，N的真值可能大于1000条，也可能小于1000条. 湖中鱼数的真值 [ ] 即希望确定一个区间，使我们能以比较高的可靠程度相信它包含真参数值. 这里所说的“可靠程度”是用概率来度量的, 称为置信度 或 置信系数 /置信水平 /置信概率， 置信度的大小是根据实际需要选定的. 例如，常取置信度 根据一个实际样本，由给定的置信度， 我们求出一个尽可能小的区间 1、置信区间定义 满足 设 是 一个待估参数，给定 X1,X2,…Xn确定的两个统计量 若由样本 和 分别称为置信下限和置信上限. 则称区间 是 的置信度为 的置信区间. 注意：给定样本和置信度 ，置信区间并不是唯一的. ~N(0, 1) 例如，设 X1 , … , Xn 是取自 的样本 ， 求参数 的置信度为 的置信区间。 1) P(-1.96≤U≤1.96)=0.95 ，由标准正态分布表， 2) P(-1.75≤U≤2.33)=0.95 这个区间比前面一个要长一些，精确度低一点。 我们总是希望置信区间尽可能短. 类似地，我们可得到若干个不同的置信区间. 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. a = - b 如在概率密度为单峰且对称的情形，当置信区间上下限关于中心轴对称时的区间长度最短。 在求置信区间时，要查表求分位点. 的点 为X的概率分布的上 分位点. 设 , 对随机变量X，称满足 定义1: 类似X 的概率分布的下 分位点 另有X 的概率分布的双侧分位点 标准正态分布的上 分位点 设 若数 满足条件 则称点 为 标准正态分布的上 分位点. 2. 几个常用分布的上分位点 查书260页附表三 查书262页附表四 附表为双侧分位数 查书264页附表五 F分布的分位点 查书266页附表六 (对称的分位点) 3、置信区间的求法 即要求估计尽量可靠. 1. 要求概率 要尽可能大， 2. 要求估计精度要尽可能的高. 如要求区间长度 尽可能短， 因此这里我们有几个要求: 3.即使在概率密度不对称的情形，如 分布，