几种估算方法.pptVIP

上一章介绍的抽样和抽样分布已为讨论统计推断; ;位斩摇戮派靡娩鄙儿伞乡底千翔娠薛前铺肪乐待铝燕粪俩铂镊省睹伸糕抒几种估算方法几种估算方法;§6.1 点估计的几种方法 §6.2 点估计的评价标准 §6.3 最小方差无偏估计 §6.4 贝叶斯估计 §6.5 区间估计 ;一般常用? 表示参数，参数? 所有可能取值组成的集合称为参数空间，常用?表示。参数估计问题就是根据样本对上述各种未知参数作出估计。 参数估计的形式有两种：点估计与区间估计。;设 x1, x2,…, xn 是来自总体 X 的一个样本，我们用一个统计量 的取值作为? 的估计值， 称为? 的点估计（量），简称估计。在这里如何构造统计量 并没有明确的规定，只要它满足一定的合理性即可。这就涉及到两个问题：;常用的主要有如下两种：;6.1.1 替换原理和矩法估计 ;例6.1.1 对某型号的20辆汽车记录其每加仑汽油的行驶里程(km)，观测数据如下： 29.8 27.6 28.3 27.9 30.1 28.7 29.9 28.0 27.9 28.7 28.4 27.2 29.5 28.5 28.0 30.0 29.1 29.8 29.6 26.9 ;二、概率函数P(x,θ)已知时未知参数的矩法估计 ;矩法的步骤： 设总体X的分布为F(x;θ1,θ2,…,θk)，k个参数θ1,θ2,…,θk待估计，(X1,X2,…,Xn)是一个样本 。 (1)计算总体分布的i阶原点矩E(Xi)=μi(θ1,θ2,…,θk)，i=1,2,…,k，(计算到k阶矩为止，k个参数)； (2)列方程;例6.1.2 设总体服从指数分布，由于EX=1/?， 即? =1/ EX，故? 的矩法估计为;例6.1.3 x1, x2, …, xn是来自(a,b)上的均匀分布U(a,b)的样本，a与b均是未知参数， 求a, b的矩估计。;补例1 设总体X的均值为μ，方差为σ2，均未知。 (X1,X2,…,Xn)是总体的一个样本，求μ和σ2的矩估计。 解: 令;6.1.2 极(最)大似然估计 ;极大似然估计法的基本思想 ;如果某统计量 满足 则称 是? 的极(最)大似然估计，简记为MLE（Maximum Likelihood Estimate）。;求极大似然估计的步骤;(2)在?内求出使得似然函数L达到最大的参数的估计值;例6.1.6 设一个试验有三种可能结果，其发生概率分别为;例6.1.7 设(X1,X2,…,Xn)是来自正态总体X~N(μ,σ2)的一个样本，μ,σ2未知，求μ,σ2的极大??然估计。 解 设(x1,x2,…,xn)为样本(X1,X2,…,Xn)的一个观察值，则似然函数为; 虽然求导函数是求极大似然估计最常用的方法，但并不是在所有场合求导都是有效的。;补例 设X~U[a,b]， a,b未知，(X1,X2,…,Xn)是总体X的一个样本，求a,b的极大似然估计。 解 X的密度函数为; 极大似然估计有一个简单而有用的性质：如果 是? 的极大似然估计，则对任一函数 g(? )，其极大似然估计为 。该性质称为极大似然估计的不变性，从而使一些复杂结构的参数的极大似然估计的获得变得容易了。 ; 例6.1.9 设 x1 , x2 , …, xn是来自正态总体N(? ,? 2) 的样本，则?和? 2的极大似然估计为 ， 于是由不变性可得如下参数的极大似然估计，它们是: ;概率 的MLE是 ；