参数估计课件.pptVIP

第七章 参数估计 §1 参数的点估计 §2　估计量的评选标准 对于总体的同一个未知参数，由于采用的估计方法不同，可能会产生多个不同的估计量。这就提出了一个问题，当总体的同一个参数存在不同的估计量时，究竟采用哪一个更好？这涉及到用什么样的标准来评价估计量的好坏问题，对此，我们介绍几个常用的评价标准：无偏性、有效性和一致性。 §3　参数的区间估计 §2.2　有效性 一个参数的无偏估计量不是唯一的,假若参数θ有两个无偏估计量 ,我们认为其观测值更密集在参数θ真值附近的一个较为理想.由于方差是随机变量取值与其数学期望的偏离程度的度量,所以无偏估计以方差小者为好.这就引出了估计量的有效性这一概念. 证明 由于总体服从泊松分布，故 于是有 同理 但是 例:设(X1,X2, X3)是来自总体X的一个样本,证明下面的三个估计量都是总体均值E(X)的无偏估计量 证明 §2.3　一致性 估计量的无偏性和有效性都是在样本容量固定的前提下提出的.我们自然希望随着样本容量的增大,一个估计量的值稳定于待估参数的真值.这就对估计量提出了一致性的要求. 点估计有使用方便、直观等优点,但他并没有提供关于估计精度的任何信息,为此提出了未知参数的区间估计法. 例 对明年小麦的亩产量作出估计为: 即 若设X表示明年小麦亩产量,则估计结果为 P(800≤X≤1000)=80% 明年小麦亩产量八成为800-1000斤. 区间估计 这时必有 §3.1　正态总体均值μ的区间估计 §3.1.1　方差已知时均值的区间估计 由总体服从正态分布可得 0 a/2 za/2 a/2 -za/2 得到　　 从而 例:设轴承内环的锻压零件的平均高度X服从正态分布N(μ,0.42).现在从中抽取20只内环,其平均高度为32.3毫米.求内环平均高度的置信度为95%的置信区间. 解 解 经计算可得 查表得 从 而 故所求置信区间为 例: 已知幼儿身高服从正态分布，现从5~6岁的幼儿中随机地抽查了9人，其高度分别为： 115,120,131,115,109,115,115,105,110cm; 解 §3.1.2　方差未知时均值的区间估计 * X~P(λ),X~E(λ),X~N(μ,σ2) 用所获得的样本值去估计参数取值称为参数估计. 参数估计 点估计 区间估计 用某一数值作为参数的近似值 在要求的精度范围内指出参数所在的区间 参数估计的基本思想 §1.1 矩估计法 设(X1,X2,…,Xn)是来自总体X的一个样本,根据大数定律,对任意ε0,有 并且对于任何k,只要E(Xk)存在,同样有 因此,很自然地想到用样本矩来代替总体矩,从而得到总体分布中参数的一种估计. 定义：用样本矩来代替总体矩,从而得到总体分布中参数的一种估计.这种估计方法称为矩法估计.它的思想实质是用样本的经验分布和样本矩去替换总体的分布和总体矩.今后称之为替换原则. 设总体X具有已知类型的概率函数p(x;θ1,…,θk), (θ1,…,θk)∈Θ是k个未知参数.(X1,X2,…,Xn)是来自总体X的一个样本.假若X的k阶矩γk=E(Xk)存在,则对于i≤k, E(Xi)都存在,并且是(θ1,…,θk)的函数γi (θ1,…,θk). 得到含有未知参数(θ1,…,θk)的k个方程.解这k个联立方程组就可以得到(θ1,…,θk)的一组解: 用上面的解来估计参数θi就是矩法估计. 解 总体X的期望为 从而得到方程 所以λ的矩估计量为 解 其概率密度函数为 总体X的期望为 从而得到方程 所以λ的矩估计量为 解 由于 故令 例 : 设某炸药厂一天中发生着火现象的次数X服从 解 矩法的优点是简单易行, 并不需要事先知道总体是什么分布。 缺点是，当总体类型已知时，没有充分利用分布提供的信息。一般场合下, 矩估计量不具有唯一性。 其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性。 它是在总体类型已知条件下使用的一种参数估计方法 。 它首先是由德国数学家高斯在1821年提出的。 Gauss Fisher 然而, 这个方法常归功于英国统计学家费歇。 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质。 §1.2最大似然法 最大似然法的基本思想 先看一个简单例子： 是谁打中的呢？ 某位同学与一位猎人一起外出打猎。一只野兔从前方窜过。 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 。 你就会想，只发一枪便打中，猎人命中的概率一般大于这位同学命中的概率。看来这一枪是猎人射中的。