概率论与数理统计第7, 2章[ 001 ].pptVIP

概率论与数理统计;第七章 参数估计;§3 区间估计;对一个未知量, 人们在测量或计算时, 常不以得到近似值为满足, 还需估计误差, 即要求知道近似值的精确程度(亦即所求真值所在的范围). 类似地, 对于未知参数q, 除了求出它的点估计 外, 还希望估计出一个范围, 并希望知道这个范围包含参数q真值的可信程度. 这样的范围通常以区间的形式给出, 同时还给出此区间包含参数q真值的可信程度. 这种形式的估计称为区间估计.;置信区间 设总体X的分布函数F(x;q)含有一个未知参数q, q??(Q是q的可能取值范围), 对于给定值a(0a1), 若由样本X1,X2,...,Xn确定的两个统计量q = q(X1,X2,...,Xn)和`q =`q(X1,X2,...,Xn)(q `q), 对于任意q ??满足 P{q(X1,X2,...,Xn) q `q(X1,X2,...,Xn)}?1-a (4.1)则称随机区间(q ,`q)是q的置信水平为1-a的置信区间, q 和`q分别称为置信水平为1-a的双侧置信区间的置信下限和置信上限.;当X是连续型随机变量时, 对于给定的a, 总是按要求P(q q `q)=1-a求出置信区间, 而当X是离散型随机变量时, 对于给定的a, 常常找不到区间(q ,`q)使得P(q q `q)恰为1-a. 此时去找区间(q ,`q)使得P(q q `q)至少为1-a, 且尽可能地接近1-a.;(4.1)式的含义为:若反复抽样多次(各次得到的样本的容量相等, 都是n), 每个样本值确定一个区间(q ,`q), 每个这样的区间要么包含q的真值, 要么不包含q的真值, 按大数定律, 包含q真值的约占100(1-a)%, 不包含q真值的约占100a%, 例如, 若a=0.01, 反复抽样1000次, 则得到的1000个区间中不包含q真值的约仅为10个. ;区间估计的图示;例 设总体X~N(m,s2), s2为已知, m为未知, 设X1,X2,...,Xn是来自X的样本, 求m的置信水平为1-a的置信区间.解;按标准正态分布的上a分位点的定义, 有;这样就得到了m的一个置信水平为1-a的置信区间;如果取a=0.05, 即1-a=0.95, 又若s=1, n=16, 查表得za/2=z0.025=1.96. 于是得到一个置信水平为0.95的置信区间;最后得到的区间(4.71,5.69)已经不是随机区间了, 但我们仍称它为置信水平为0.95的置信区间. 其含义是: 若反复抽样多次, 每个样本值(n=16)按(4.7)式确定一个区间, 按上面的解释, 在这么多的区间中, 包含m的约占95%, 不包含m的约仅占5%. 现在抽样得到区间(4.71,5.69), 则该区间属于那些包含m的区间的可信程度为95%, 或该区间包含m这一陈述的可信度为95%.;然而, 置信水平为1-a的置信区间并不是惟一的. 以上例来说, 若给定a=0.05, 则又有;而比较两个置信区间;易知, 象N(0,1)分布那样其概率密度的图形是单峰且对称的情况, 当n固定时, 以形如(4.5)那样的区间其长度为最短. 我们自然选用它.通过上例, 可看到求未知参数q的置信区间的具体做法如下;(2) 对于给定的置信水平1-a, 定出两个常数a,b, 使P{aW(X1,X2,...,Xn;q)b)?1-a;;§4 正态总体均值与方差的区间估计;(一)单个总体N(m,s2)的情况 设已给定置信水平为1-a, 并设X1,X2,...,Xn为总体N(m,s2)的样本. `X, S2分别是样本均值和样本方差.;(b) s2为未知, 由第六章定理三, 知;0;于是得m的一个置信水平为1-a的置信区间;例1 从一大批糖果中随机取16袋, 称得重量(克)为:506,508,499,503,504,510,497,512,514, 505,493,496,506,502,509,496 设袋装糖果重量近似服从正态分布, 求总体均值m的置信水平为0.95的置信区间.;2, 方差s2的置信区间(m未知)s2的无偏估计为S2, 由第六章§2定理二知;a/2;得到方差s2的一个置信水平为a的置信区间;由(5.6)式还可得到标准差s的1-a置信区间为;例2 求例1中总体标准差s的置信水平为0.95的置信区间.解 现在a/2=0.025, 1-a/2=0.975, n-1=15, 查表得;(二)两个总体N(m1,s12), N(m2,s22)的情况;1,两个总体均值差m1-m2的置信区间;或;(b) s12=s22=s2, 但s2为未知. 此时;例3 为比较I,II两种型号步枪子弹的枪口速度, 随机地取I型子弹