7.2 估计量的优良性准则.ppt

电子科技大学 估计量的优良性准则 * §7.2 估计量的优良性准则 在众多的估计量中选哪一个更好？ 选取的标准是什么？ 如 X~U(0,q ) , q 的矩法估计量为 ， 对于总体的参数，可用各种不同的方法去估计它，因此一个参数的估计量不唯一. 三个常用准则：无偏性、有效性、相合性. 极大似然估计量为 * 1. 无偏性 q 定义7.2.1 若参数θ的估计量 对一切 n 及θ∈Ω ，有 称 为θ的无偏估计量. 若 则称 为θ的渐进无偏估计量. * 若θ的实函数 g(θ) 的无偏估计量存在，称g(θ)是可估计函数. 注 反例 样本均值是总体均值E(X)的无偏估计量. S2 是s2 的无偏估计 * 注意： * 2. 有效性 思考：已知总体X的样本X1, X2, X3,下列估 计量是否为总体均值m 的无偏估计量？ 哪个更好？ 参数的无偏估计量不惟一. 无偏估计只能保证估计无系统误差： * 希望　的取值在θ及其附近越密集越好， 其方差应尽量小. θ 都是未知参数θ的无偏估计量,若 定义7.2.2 * 称 为θ的最小方差无偏估计量. 设 是θ的无偏估计，如果对θ的任何一个 无偏估计量 都有 证明无偏性判断有效性(1) 和S2 分别是m 和 s2 的最小方差无偏估计 证明无偏性判断有效性(2) * 3. 相合性 无偏性：反映估计量相对待估参数有无系统偏差. 有效性：在无偏类中反映估计量相对待估参数的偏离程度. 问题：在“偏差性”和“离散性”两者兼顾的原则下建立估计量为“最优”准则. 例7.2.5 * 7.2.3定义 设 是未知参数θ的估计量，若对任意的ε0，有 则称 为θ的相合估计量. 相合估计量的证明(1) 相合估计量的证明(2) * 是μ的相合估计量; S2 和M2 都是σ2的相合估计量. 部分证明 * 例7.2.1 设总体的方差 D(X)=σ2 0，有 # * 证明 S2 是σ2 的无偏估计量 例7.2.2 设总体的方差 D(X)=σ2 0，则样本方差S2 是σ2的无偏估计. 证 * # * 例7.2.3 设总体X~U[0,θ], θ 0 未知, (X1，X2，X3)是取自X的一个样本 试证 都是θ的无偏估计； 2) 上述两个估计量中哪个的方差最小？ 分析： 要判断估计量是否是无偏估计量， 需要计算统计量的数学期望. * 证 1) 先求X与Y 的概率密度函数， 已知分布函数 * * * 2) # * 例7.2.4 证明 是无偏估计量， 是其中最有效估计量. 证 利用拉格朗日乘数法求条件极值，令 * 从联立方程组 解得 ， * 即函数 的最小值点是 # * 例7.2.5 设X~U(0,θ) ,θ的矩法估计量为 ，极大似然估计量为 . 有偏估计量 * # * 分析 1) 证明相合性常用到切比雪夫不等式; 2) 这里计算方差较难, 可以先化为?2 分布, 再利用?2分布的性质计算. 例7.2.6 设 X~N(0,σ2), 证明 是σ2 的 相合估计量. 证 * 由切比雪夫不等式，有 * # 是σ2 的相合估计量. * 例7.2.7 设总体X的k阶原点矩E(Xk)存在, 证明样k阶原点矩 是其无偏、相合估计量. 证 样本构成的随机变量序列X1,X2,…,Xn, … 相互独立同分布， 服从辛钦大数定理，对任给的ε＞0，有 * # * 例7.2.8 设总体X的数学期望存在, 估计量 ,是μ=E(X)的无偏、相合估计量. 证 样本构成的随机变量序列X1，X2，…，Xn, … 相互独立同分布，服从切比雪夫大数定理，对任给的ε＞0，有 即 为E(X) 的相合估计量. # * 　 * 　 电子科技大学 估计量的优良性准则 * 　 *