统计量与点估计.pptVIP

统计量与点估计 分布的密度函数为 来定义. 其中伽玛函数 通过积分 由 分布的定义，不难得到： 1.?? 设 相互独立, 都服从正态分布 则 2. 设 且X1,X2相互 独立，则 这个性质叫 分布的可加性. 则可以求得， E(X)=n, D(X)=2n 若 一个统计问题总有它明确的研究对象. 1.总体 研究对象的全体称为总体(母体)， 一、总体和样本 总体可以用一个随机变量及其分布来描述. 例如:研究某批灯泡的寿命时，关心的数量指标就是寿命，那么，此总体就可以用随机变量X表示，或用其分布函数F(x)表示. 某批 灯泡的寿命 总体 鉴于此，常用随机变量的记号 或用其分布函数表示总体. 如 说总体X或总体F(x) . 为推断总体分布及各种特征，按一定规则从总体中抽取若干个体进行观察试验，以获得有关总体的信息，这一抽取过程称为 “抽样”，所抽取的部分个体称为样本. 样本中所包含的个体数目称为样本容量. 2. 样本 样本是随机变量. 容量为n的样本可以看作n维随机变量. 但是，一旦取定一组样本，得到的是n个具体的数 (x1,x2,…,xn)，称为样本的一次观察值，简称样本值 . 2. 独立性： X1,X2,…,Xn是相互独立的随机变量. 最常用的一种抽样方法叫作“简单随机抽样”，它要求抽取的样本满足下面两点: 1. 代表性： X1,X2,…,Xn中每一个与所考察 的总体有相同的分布. 由简单随机抽样得到的样本称为简单随机样本，它可以用与总体独立同分布的n个相互独立的随机变量X1,X2,…,Xn表示. 若总体的分布函数为F(x)，则其简单随机样本的联合分布函数为 F(x1) F(x2) … F(xn) 由样本值去推断总体情况，这就要构造一些样本的函数，它把样本中所含的（某一方面）的信息集中起来. 二、统计量和抽样分布 1. 统计量 这种不含任何未知参数的样本的函数称为统计量. 它是完全由样本决定的量. 几个常见统计量 样本均值 样本方差 它反映了总体均值 的信息 它反映了总体方差 的信息 样本k阶原点矩 样本k阶中心矩 k=1,2,… 它反映了总体k 阶矩 的信息 它反映了总体k 阶 中心矩的信息  总体 样本 统计量 描述 作出推断 随机抽样 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 （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 . 参数估计 点估计 区间估计 使用什么样的统计量去估计 ？ 可以用样本均值; 当然还可以用别的统计量 . 我们来看点估计。问题是: 我们知道,服从正态分布 自然想到把样本体重的平均值作为总体平均体重的一个估计. 类似地，用样本体重的方差 . 样本均值是否是 的一个好的估计量？ (2) 怎样决定一个估计量是否比另一个估计 量“好”？ 样本方差是否是 的一个好的估计量？ 这就需要讨论以下几个问题: (1) 我们希望一个“好的”估计量具有什么 特性？ (3) 如何求得合理的估计量？ 那么要问: 1．无偏性 2．有效性 3．相合性 这里我们重点介绍前面两个标准 . 二、估计量的优良性准则 估计量是随机变量，对于不同的样本值会得到不同的估计值 . 我们希望估计值在未知参数真值附近摆动，而它的期望值等于未知参数的真值. 这就导致无偏性这个标准 . 1．无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 用样本均值作为总体均值的估计时，它是无偏估计。样本方差是总体方差的无偏估计。证明这一点见书P182. 而且这一点与总体的