大学概率统计教程第8章.ppt

第八章 参数估计 §8.1点估计 例8.2 例8.9 （2） §8.3.2 一个正态总体下参数的置信区间 的区间估计 我们知道 是 的无偏估计，取样本函数 查标准正态分布表,得两个分位点,使 仅 未知 可查表得到 给定的置信度 自然指数族分布均值的MLE 定理8.1 若总体X服从自然指数族分布，则均值 参数 的极大似然估计量为样本均值， 即 证：总体X的概率分布和密度函数为 定理8.1 定理8.1 定理8.1 对自然指数分布族，均值参数 的矩估计量 与极大似然估计量都是样本均值 ，而总体 方差函数 有单值反函数时，方差 函数 的极大似然估计量为 例8.7 求 及 的最大似然估计量。 解： 对 和 求偏导数得似然方程组 例8.7 （续） 得 及 的最大似然估计量： 得 及 的最大似然估计值： 例8.7 （续） 例8.8 设总体 为一组样本观测值，求 ， 的极大似然估计。 解：X的密度函数 则似然函数 例8.8 （续） 由于似然方程 无解 所以应考虑极大似然估计的定义，因为函数 在 的单调减函数 另一方面 故有 因此 练习 练习 2(2009数一考研) 练习 2(2009数一考研) 练习 2(2009数一考研) §8.2 估计量的评选标准 定义8.3 若未知参数 的估计量 有 则称 是参数 的无偏估计量。 对有偏估计量 ，称 为 的偏差，若样本容量 时有 则称 为 的渐近无偏估计。 例8.9 设总体X服从任何分布，且 是样本 证明：样本均值 样本 阶矩 和样本方 差 分别是 的无偏估计量。 证：（1） 例8.9 （2） 是无偏的。 §8.2.2 有效性标准 定义8.4 设 都是 估计量，若 则称 更有效。 的无偏 例8.10 例8.10（2） 例8.10（3） 例8.10（4） §8.2.3 一致性标准 定义8.5 是 的估计量，若 则称 是 的一致估计量（相合估计量）。 由独立同分布大数定律，可知当总体X有 存在时，则样本 阶原点矩 例子 §8.2.4 均方误差标准 定义8.6 对于总体X的未知参数 是 的估计量，称 为均方误差。若两个估计量 有 则称 在均方误差下比 更有效。 均方误差与偏差、方差的关系 定理8.2 在定义8.6下，有 证： 将上述完全平方式展开，注意到交叉项为0， 可验证。 例8.11 例8.11(2) 例8.11(3) 例8.11(4) §8.3 区间估计 定义8.7 设总体X的分布函数 ，其中 为未知参数，若 是两个统计量，对 给定的概率 有 则称随机区间 为参数 的置信度为 的置信区间。 区间估计的5个步骤 （1）取 的较优点估计量 （2）由 出发，找一个样本函数 其分布已知，且只含一个未知参数 （3）查表求得W的分位点，使得 （4）反解（3）中的不等式，即得 （5）将样本值代入 ，得置信区间 * * 估计量 定义8.1 设总体X的分布函数为 从总体X中抽取样本 其观测 值为 构造某个统计量 用它的观测值 来估计未知参数 ，则 称 为 的估计值 为 的估计量。 §8.1.1 矩估计法 设总体X有分布函数 ，其中 为一维未知参数，若 存在，则 一般是 的函数，即 由此反解出 再由样本均值 代替 ，就得到 的一个估计量 例8.1 设总体X的密度为 未知，求 的矩估计量。 解：（1）先求总体期望。 例8.1 例8.1 反解 得到 用 替换m，得 的矩估计量 多个未知参数时的矩估计 一般地设总体X有分布函数 ，若 为 维未知参数，且 X的直到 阶原点矩存在，则有 多个未知参数时的矩估计 反解出 的函数 再用 阶样本原点矩 替代 则得到矩估计量 例8.2 设总体X服从任何分布，且X的期望与方差均 存在，记 未知，求 的矩估计量。 解：因为有两个参数，故将总体前二阶矩表 为参数的函数，即 反解得 再用2阶样本原点矩替代对应的总体矩得 参数函数的矩估计 例8.3 例8.3 例8.4 例8.4 练习 §8.1.2 极大似然法 设总体X是离散型随机变量，分布律为 则样本取某组观测值 的概率为 称函数 为似然函数。 极大似然估计引例 设一袋中装有黑白、两种球。设 是从袋 中随机摸得一个白球的概率，现估计 解：根据问题，我们令总体X为 则X服从0-1分布，其中 极大似然估计引例 为估计 ，我们有放回摸球10次，其结果可 用随机变量表示如下： 则 是来自总体X的样本。若 10次的结果为 (数据,样本观测值) 极大似然估计引例 问:10次摸球的所有可能的结果有多少个? 个 注意到:每一个结果都有自己发生的概率, 极大似然估计的思想 似然函数为 极大似然估计的思想是：一随机试验有若干 个