数理统计Chp7剖析.ppt

* 第七章 参数估计 §1. 点估计 一. 问题的提出: 二. 矩估计法: 辛钦大数定律 三. 极大似然估计方法: 看成已知时，表达式反映的就是 时的联合概率密度函数（或联合分布律）；当把 仔细观察简单随机样本的联合概率密度（或联合分布律）与似然函数的定义，可知它们本质上是同一个表达式。当把 看成已知时，表达式 反映的就是似然函数 。 极大似然估计的求解方法: 显然不能通过建立似然方程求得极大似然估计，L作为θ的 函数当θ=max{X1,…Xn}时L取得最大值，由极大似然估计的 定义可得 极大似然估计的性质: 在Matlab中，可以用命令mle(‘dist’,data)来求总体分布中未知参数的最大似然估计值。 dist 指所给特定分布，如正态分布norm、指数分布exp data指样本数据 产生70个均值为8，标准差为4的正态分布随机数 y=8.3014(样本均值) 3.7011(标准差) §2. 估计量的评选标准 1 无偏性: (2) 例子 S2是σ2的无偏估计量. (3) 有偏估计向无偏估计的转化。 2. 有效性 3 相合性（相容性、一致性） 无偏估计量固然好，但当其方差太大时说明近似度也不理想； 有偏估计当然不好，但当其偏差不大且方差也不大时，也应该是一个不错的近似估计量。 若同时考虑到无偏性和有效性，则引入下面的概念： 此定义说明：一个“好”的估计量应当随着样本容量的 增大以更大的概率取得接近于被估计的参数值。 §3. 区间估计 定义: 两点要求：1) 置信度1-α应尽量大 2) 区间长度应尽量小 求置信区间的一般思路: §4.正态总体均值与方差的区间估计 一. 单个正态总体: *