第三章参数估计06.5.13.docVIP

第三章 参数估计 统计研究的基本问题之一根据样本所提供的信息，对总体的分布及分布的数字特征作出推断。统计推断主要包括两部分内容：一是参数估计；二是假设检验。这一章主要讨论参数估计的理论和方法。 实际问题中我们经常遇到不知道总体的分布，或虽然知道总体的分布，但我们所关心的是总体的某些参数（往往是总体的某些数字特征）的取值情况。因此需要用样本提供的信息估计这些参数，这就是所谓的参数估计问题。 样本及抽样分布 一 总体和样本 总体和样本是贯穿于统计推断过程的两个十分重要的概念，在统计实践中，我们必须首先对这两个概念的含义有比较透彻的了解。 通常我们将研究对象的全体称为总体，它由某些具有共同性质或特征的个体或单位组成。例如，我们研究某校学生的英语平均水平，则该校全体学生构成一个总体，每位学生是一个个体。总体可分为有限总体和无限总体。当总体所包含的个体数有限时，我们称它是有限总体；当总体所包含的个体数无限时，我们称它是无限总体。对有限总体，一般我们用N来表示总体所包含的个体总数。 任何一个总体都可以用一个随机变量来描述。例如，我们研究某校学生的英语平均水平时，我们关心的是这些学生英语成绩的分布情况，设X表示“任一学生的英语成绩”，则X为某个可能值是有一定概率的，这就是说总体的取值是有其概率分布的，因而总体是一个随机变量。我们对总体的研究就是对相应的随机变量的研究。今后我们凡提到总体就是指一个相应的随机变量，总体的分布函数和数字特征，就是指这个随机变量的分布函数和数字特征。今后我们将不再区分总体和相应的随机变量，一律用大写字母X，Y，Z，…来表示。 为了研究总体的各种性质（如分布函数、数字特征等），我们不可能将所有个体都一一进行研究。事实上，当总体所包含的个体数无限时，这不可能做到，即使总体所包含的个体数有限时也很难做到。例如，研究灯泡的寿命时，由于寿命试验是破坏性的，一旦将每个灯泡的寿命测试完毕，那么这批灯泡也就全报废了。因此要研究总体的各种性质，一般来说必须对总体进行抽样观察，从总体X中随机地抽取n个个体X1，X2，…，Xn，或对总体X进行n次观察，这样取得的（X1，X2，…，Xn）称为总体X的一个样本，样本中所包含的个体数n称为样本容量。对样本（X1，X2，…，Xn）一经测试或观察完毕，就得到一组实数（x1，x 2，…，x n），称其为样本观察值。统计推断的任务就是根据样本观察值（x1，x 2，…，x n）来估计总体X的分布情况。为了使样本观察值尽可能具有代表性，就要求X1，X2，…，Xn相互独立且与总体X具有相同的分布。具有独立同分布特点的样本叫做简单随机样本。今后如果不做特殊声明，所说的样本都是指简单随机样本。 显然样本（X1，X2，…，Xn）应当看作n维随机变量，它也应有自己的分布，由于X1，X2，…，Xn相互独立且与总体X具有相同的分布，所以， 设：总体X的分布函数为F（x），密度函数为f（x），则（X1，X2，…，Xn）的联合分布函数为 联合密度函数为 二 统计量 如前所述，总体实际上就是一个随机变量X，有一定的概率分布和分布的数字特征。由于总体分布的数字特征往往也就是概率分布函数中的参数（如正态分布的数学期望和方差就是密度函数中的参数μ和σ；二项分布的数学期望和方差就是参数np和npq，泊松分布的数学期望和方差就是密度函数中的参数λ），所以根据样本信息估计总体数字特征就称为参数估计。在进行参数估计时，我们并不是直接用一个个的具体样本值来估计、推测总体参数，而是针对不同问题，构造出样本的某种函数（不包含任何未知参数），利用这些函数来估计总体参数。我们把这种不包含任何未知参数的样本的函数称为统计量。 设（X1，X2，…，Xn）是来自总体X的样本，则常用的统计量有： 样本均值： 样本方差： 样本标准差： 以上统计量的观测值分别为 三 抽样分布 统计量是样本的函数，是随着样本不同而变化的量，由于样本是随机样本，所以统计量也是一个随机变量。既然是随机变量，就有一定的概率分布。我们把样本统计量的分布称为抽样分布。从理论上讲，当总体的分布函数已知时，统计量的分布总可以通过求随机变量的函数的分布而得到，因此抽样分布是确定的。然而，要求出统计量的精确分布，一般来说是困难的。这里只给出来自正态总体的几个常用统计量的分布。 正态总体样本均值的分布 设X1，X2，…，Xn是来自正态总体的样本，则 （1） （2） （二）分布 设X1，X2，…，Xn是来自正态总体的样本，则称统计量 所服从的分布是自由度为n的分布（卡方分布），记为。其密度函数为： 的图形如图2-1所示。 图2-1 若X1，X2，…，Xn是来自正态总体的样本，则 3．若X1，X2，…，Xn是来自正态总体的样本，分别是样本均值和样本方差，则相互独立，且。 4．若，且