样本方差为总体方差的一致估计量.PPT

* * 的概率密度函数为 故似然函数为 其它. 由于似然函数不是处处可微，不能用求导数方法求解， 可以直接利用极大似然原理的思想来求解。 要使似然函数取非零值，且 达到最大， 则 必须尽可能小，而 故 的极大似然估计量为 1、无偏性 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 . 定义1 设 为未知参数 的估计量，如果对一切 ，都有 则称 为参数 的无偏估计量（unbiased estimator） 7.1.3 估计量的评判标准 值得注意的是，一般情况下，一个参数的无偏估计可以不唯一，有时还可能不存在.由矩估计法和极大似然估计法求出的估计量，也不一定为无偏估计量. 而 例1 判别上节例2中两种方法求出的估计量是否为参数 的无偏估计？ 解 由例2知 的矩估计量为 故 为 的无偏估计量。 又 的极大似然估计量为 根据极大次序统计量分布可得 其中 为总体 的分布函数。 从而 由此可得 的密度函数为 其它 即 不为参数 的无偏估计量 2、有效性 若一个参数有多个无偏估计，这些无偏估计量中哪个更好呢？因为方差是反映随机变量取值的离散程度，在期望相同时，自然希望其方差尽可能小.下面引入有效性的概念. 定义2 设 和 都为参数 的无偏估计量，若对任意参数 和固定的样本容量 ，有 则称 比 更有效。 解 例2 对 的两个无偏估计 和 ，比较哪个更有效？ 显然当 时， ，因此 比 更有效 或 定义3 设 为未知参数 的估计量，若 ，则有 成立，则称 为参数 的一致估计量（uniformly estimator） 3、一致性 根据辛钦大数定律，我们可证明样本均值为总体均值的一致估计量；样本方差为总体方差的一致估计量；样本的k阶距为总体k阶距的一致估计量。 §7.2 区间估计 问题引入: 前面，我们讨论了参数点估计。 它是用样本算得的一个值去估计未知参数。 但是，点估计值仅仅是未知参数的一个近似值，它没有反映出这个近似值的误差范围，使用起来把握不大。 区间估计正好弥补了点估计的这个缺陷 。 定义 设总体 ， 为未知参数， 是来自总体X的样本， 是两个统计量，若对一切样本和给定的概率 有 则称随即区间 为参数 的 置信区间， 分别称为置信下限与置信上限， 称为置信度， 称为置信水平。 一般来说， 和 越小，则相应的估计越好，但当样本容量 固定时， 和 不可能同时都很小，减小其中一个就会使另一个增大，实际中，我们是在保证可靠性的前提下，尽可能提高精度。 7.2.1 单个正态总体参数的区间估计 令 假定总体 是来自总体X的样本 1、参数 的区间估计 （1） 设 已知 由Fisher定理知 ，对给定的置信水平 ， 查正态分布表可得 即 从而参数 的 置信区间为 显然该置信区间长度为 当样本容量n固定时， 减小，则 就增加， 区间长度 也增加。 令 （2） 设 未知 由推论6.3.1知 ，对给定的置信水平 ，查t-分布表可得 即 故参数 的