参数估计。.pptVIP

高数㈡概率统计 高教自考辅导用 第九讲 第五章 参数估计 样本统计量 统计推断 参数估计 点估计 样本统计量(P.148) 样本均值： 样本矩：（1）原点矩 （2）中心矩 B2样本方差，样本标准差： 统计推断 利用样本资料所提供的信息，对总体作出尽可能精确和可靠的结论(伴有一定概率的推断)叫：统计推断。 参数估计 利用样本资料所提供的信息，估计总体分布中的某些未知参数叫：参数估计。 分点估计与区间估计两类。 常见的点估计有两种方法。 点估计 设总体X的分布函数F(x;θ) 中θ是未知参数，它或它的一个函数g(θ)是我们要估计的对象，故且记为θ 。构造一个统计量T作为对未知参数θ的估计叫：点估计。 点估计好坏标准 很自然会想到：总体均值可以用样本均值来估计。但诸如此类的估计好坏如何评判？ 点估计的“无偏性”是基本的要求：估计量μ的数学期望等于被估计参数μ的真值。 点估计方法一 矩法估计：用样本矩作为相应总体矩的估计量：如用样本均值来估计总体均值，如用样本方差来估计总体方差 。 矩法估计 用样本一阶原点矩作为总体一阶原点矩均值的估计量 ,用样本二阶原点矩作为总体二阶原点矩的估计量 。 矩法估计 用样本方差来估计总体方差: 用样本二阶中心矩作为总体二阶中心矩的估计量。 (证明见P.164-165) 矩法估计也叫数字特征法。 极大似然估计 大夫会问腹泻的病人吃过什么？中国足球队与巴西比赛结果4：0；张三与李昌镐中盘决出胜负……。有几种可能发生时人们总往可能性最大的一种想。 极大似然估计 步骤：写出与概率有关的“似然函数”通常是联合分布列或联合概率密度函数，求其对数，再求偏导数令它为0，求出能使似然函数获极大值的未知参数的值。 极大似然估计 如泊松分布总体X~P(λ): 极大似然估计 如指数分布总体X～E(λ): 极大似然估计 如正态总体X～N(μ,σ2): 记τ=σ2 极大似然估计 如正态总体X~N(μ,σ2): 记τ=σ2 极大似然估计 点估计 应该指出的是上面谈到的泊松、指数、正态分布的极大似然估计恰好与矩法估计所得的结果完全一致。对所有分布这一点是否都对呢？回答是：不！极大似然估计并不都是矩法估计。前面还指出过：并非所有矩法估计（即使它还同时是极大似然估计）都是无偏估计。 点估计的无偏性 对正态总体方差的估计是样本方差，它是否是无偏估计呢？不! 估计的无偏性 点估计的无偏性 对正态总体均值的估计是样本均值，它是无偏估计。对正态总体方差的估计是样本方差，它就不是无偏估计。由此可见：并非所有矩法估计（即使它还同时是极大似然估计）都是无偏估计。 * 注意:指数分布EX=1/λ σ2 正态 μ 正态 λ 指数 λ 泊松 p 二项 极大似然估计 待估参数 分布 *