概率论与数理统计第十章.pptVIP

第 七 章 参 数 估 计 总体是由总体分布来刻画的. 总体分布类型的判断──在实际问题中,我们根据问题本身的专业知识或以往的经验或适当的统计方法,有时可以判断总体分布的类型. 总体分布的未知参数的估计──总体分布的参数往往是未知的,需要通过样本来估计.通过样本来估计总体的参数,称为参数估计,它是统计推断的一种重要形式. 本章讨论: 参数估计的常用方法. 估计的优良性准则. 若干重要总体的参数估计问题. 例如 (1) 为了研究人们的市场消费行为,我们要先搞清楚人们的收入状况. 假设某城市人均年收入X～N(? , ?2). 但参数?和?2的具体值并不知道,需要通过样本来估计. (2) 假定某城市在单位时间(譬如一个月)内交通事故发生次数 X ～ P(?). 参数?未知,需要从样本来估计. 这类问题称为参数估计. 参数估计问题的一般提法 X1,X2,…,Xn 要依据该样本对参数 作出估计，或估计 的某个已知函数 . 现从该总体抽样，得样本 设有一个统计总体，总体的分布函数 向量) . 为 F(x, )，其中 为未知参数 ( 可以是 参数估计 点估计 区间估计 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 估计 为1.68， 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内， 假如我们要估计某队男生的平均身高. 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 一、点估计概念及讨论的问题 例1 已知某地区新生婴儿的体重X~ 随机抽查100个婴儿 … 得100个体重数据 9, 7, 6, 6.5, 5, 5.2, … 呢? 据此,我们应如何估计 和 而全部信息就由这100个数组成. 为估计 ,我们需要构造出适当的样本的函数T(X1,X2,…Xn)，每当有了样本，就代入该函数中算出一个值，用来作为 的估计值 . 把样本值代入T(X1,X2,…Xn) 中，得到 的一个点估计值 . T(X1,X2,…Xn)称为参数 的点估计量， 二、寻求估计量的方法 1. 矩估计法 2. 极大似然法 3. 最小二乘法 4. 贝叶斯方法 …… 这里我们主要介绍前面两种方法 . 第七章第一节 矩估计 其基本思想是用样本矩估计总体矩 . 理论依据: 矩是基于一种简单的“替换”思想建立起来的一种估计方法 . 是英国统计学家K.皮尔逊最早提出的 . 大数定律 记总体k阶矩为 样本k阶矩为 用相应的样本矩去估计总体矩的估计方法 就称为矩估计法. 记总体k阶中心矩为 样本k阶中心矩为 设总体X的分布函数中含有k个未知参数 步骤一、 我们把总体X的m阶原点矩E(Xm)记为 am , m=1,2, ? ,k 一般地,am (m=1,2, ? ,k)是总体分布中的参数 ?1,?2,?,?k的函数. 故应该把am (m= 1,2, ? ,k)记之为: am (?1,?2,?,?k) (m=1,2, ? ,k) 方法 步骤二、 算出m阶样本原点矩: 步骤三、令 am (?1,?2,?,?k) = Am (m=1,2, ? ,k)得关于 ?1,?2,?,?k的 方程组 步骤四、解这个方程组,其解记为 它们就可以做为?1,?2 ,?,?k的估计.这样求出的估计叫做矩估计. ∵ X1,X2 ,? ,Xn是独立同分布的. ∴ X1m,X2m,? ,Xnm也是独立同分布的. 于是有: E(X1m)=E(X2m)=?=E(Xnm)= E(Xm)=am . 根据大数定律,样本原点矩Am作为 X1m,X2m,? ,Xnm的算术平均值依概率收敛到均值am=E(Xm).即: 原理解释 解: 由矩法, 样本矩 总体矩 从中解得 的矩估计. 即为 数学期望 是一阶 原点矩 例1 设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 解:由密度函数知 例2 设X1,X2,…Xn是取自总体X的一个样本 其中 0,求 的矩估计. 具有均值为 的指数分布 故 E(X- )= Var