概率论参数估计1.pptxVIP

参数估计; 数理统计问题：如何选取样本来对总体的种种统计 特征作出判断。;内容提要;参数?的估计量和估计值 ;点估计：如果构造一个统计量;参数的点估计 ;定义 设 为随机变量，若 存在，则称 为 的 阶原点矩，记作 ；若 存在，则称 为 的 阶 中心矩，记作 ;矩法估计：用样本的矩作为总体矩的估计量;例：长期的生产经验告诉我们，水泥厂成品打包机装袋的重量X服从正态分布，试用矩法估计来估计一台打包机装袋重量的均值和方差。;根据大数定理，样本的矩和总体的矩应当非常接近; 一般而言，并不是每个统计问题中的分布都如正态分布：很多时候参数并没有直接的概率意义。所以想要直接构造估计量来估计参数是不现实的。;解：;注意：熟练之后可以略去写出总体和样本的过程。;一般步骤 ;得l个方程构成的方程组：;例：;再代入样本对应的矩;例： 设X1，X2，…，Xn为总体X~Pois(λ)的样本，试求 参数的矩法估计量。;矩法估计能用低阶矩就不用高阶矩;解 由于 ;参数的极大似然估计法 ;回忆：为了估计鱼塘中有多少条鱼,鱼塘主先从鱼塘中网起100条鱼作上记号后，放回鱼塘中,过了一段时间(使有记号的鱼和无记号的鱼混合均匀)后， 从鱼塘中网起一网鱼,共80条,其中有记号的鱼有2条。试估计鱼塘中有多少条鱼。;所谓似然函数，就是带参数的联合密度函数 似然函数的选取是唯一的，这一点和矩法估计不同;解：E[X]=1/λ,;得到参数的估计值：;求解步骤;对于离散型总体的分布，只要参数为连续变化，仍然可以求导，上述方法同样适用。 有些情况下参数是离散的，比如二项分布B(n,p)中的n。此时不能求导，只能按定义找极大值，运算比较复杂。 为了逻辑上更为严密，极大似然估计一般先用样本值代入求解估计值，再用样本替换样本值得到参数的估计量。;例:;参数连续变化，求导有;例: 假设（X1，X2，…，Xn）是取自正态总体N(?,?2) 的样本，求?和?2的极大似然估计量。;续解 ;之前的三个例子极大似然估计与矩估计量相同;例;θ越小越好，不过一旦θxi, 则L(θ)=0;另外，可以考虑矩法估计;估计量优劣性的评价;无偏性;例: 设总体的数学期望E[X]=μ和方差Var[X]=σ2都存在， 证明：样本均值 修正样本方差 分别是E[X]、Var[X]的无偏估计。;有 效 性 ;例如 及 （其中 ）都是E[X]的无偏 估计，但 比 有效。;一致最小方差无偏估计量; 我们不仅希望一个估计是无偏的，且具有较小的方差，有时还希望当子样容量无限增大时，即观察次数无限增多时，估计能在某种意义下越来越接近被估计的参数的真实值，这就是所谓一致性的要求。;定义;可以证明：;证明（1）;（2）;参数估计的点估计方法小结 ;一、矩估计法（包含数字特征法） 直观意义比较明显，但要求总体k阶矩存在。 二、极大似然估计法。 具有理论上的优点，似然函数唯一。如果参数连续取值，可用求导；但若参数不连续取值，求法复杂。 三、顺序统计量法 使用起来无条件限制，无需多大计算，但准确度不高。