第十三章参数估计与假设检验.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第十三章参数估计与假设检验

导数与微分 * 第十三章 参数估计与假设检验 、 教学目的与要求 1、理解参数的点估计、估计量与估计值的概念; 2、掌握距估计法,了解估计量的无偏性的概念; 3、了解区间估计的概念,会求正态总体的均值与方差的置信区间; 4、理解显著性检验的基本思想,掌握假设检验的基本步骤; 5、了解正态总体均值与方差的假设检验方法。 二、 教学重点与难点 重点是距估计法,假设检验的基本步骤,求正态总体的均值与方差 的置得区间;难点是求正态总体的均值与方差的置得区间。 三、知识目标 1.使学生掌握参数的点估计、估计量与估计值的概念。 2.使学生熟练掌握距估计法。 3.使学生能熟练应用假设检验的基本步骤。 4.使学生掌握求正态总体的均值与方差的置得区间。 四、技能目标 1. 让学生会用简单的假设检验的基本步骤及正态总体的均值与方差 的置得区间来分析实际问题,并能解决问题。 2. 使学生在以后的继续教育中会做本章有关题目。 3. 能用本章知识与专业知识相链接,共同解决问题。 §13.1 参数估计 一、点估计 图 低BMD 的部位频数分布饼图。饼图将SOF 病人按患骨质疏松 症的部位数不同分为九类,每一类的面积代表相应的百分比。 模型 1 基於 WHO 标准;模型 2 以SOF中65 岁病人为参照;模 型 3 利用骨折危险性进行分类。 在很多统计问题中,总体 的分布形式往往是已知的。譬如,由经验 可知,大量新生婴儿的体重 服从正态分布 ,未知参数是 ; 问题是根据来自总体 的样本 估计 。 设样本 来自总体 , 是总体 的分布中的未知参数,我们用某 个统计量 来估计 ,称为 的估计量。问题是如何寻找 的估计? 1、 矩法估计 1900年英国统计学家K Pearson提出,用样本均值(或样本方差)代替总 体均值(或总体方差),从而得到未知参数的估计。矩法估计的理论基础是 大数定律,后面会进一步讨论。 例1 我们想研究某型号的汽车每5升汽油的行驶里程数,对该型号的 20辆汽车记录其每5升汽油的行驶里程(公里),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 现在,你可以有什么结论或看法? 某型号的汽车每5升汽油的行驶里程数对于每部汽车来说可能不一 样,设为随机变量 ,这就是我们要研究的总体。首先要注意看这20个 样品是否为简单随机样本,如果不是,那可能就得不到什么有意义的结 论。即使是简单随机样本,因为只有20个样品(属于小样本),也不好 贸然估计总体 的分布。不过,我们可以利用这些数据推断总体的数字 特征。按照Pearson的想法,马上得到总体数学期望 的矩估计分别为 和 相应的估计值分别是 , 。 由上面的问题可以看到,矩估计法简便;估计总体均值和总体方差时 不必知道总体的分布,这是矩估计法的优点。但是矩估计法需要总体的原 点矩存在。还有一个缺点是,矩估计法的效率可能没有下面的最大似然估 计法高。 2.最大似然估计法 例2 某同学与一位猎人一起去打猎。一只野兔从前方窜过,一声枪响, 野兔应声倒下,试问是谁打中的? 由于只发一枪便打中,而猎人命中的概率显然要大于该同学,故一 般会猜测是猎人命中。 在已知结果的情况下,应该寻找使得这个结果出现的可能性最大的那 个 值作为 的估计值。这就是最大似然估计法的思想。这个思想由德 国数学家Gauss于1821年首先提出,英国统计学家Fisher于1922年重新发 现并作进一步研究。 一般地,我们得到含未知参数θ的总体 的一组样本观测值 。 对离散型随机变量总体 而言,出现这组观测值的概率(称其为似然函 数)是 ;而对密度为 的连续型随机变量总体 , 我们定义似然函数为 。显然,似然函数 值的大小意味 着该样本观测值 出现的可能性的大小。在得到这组样本观测值 的情况下,应选择使似然函数 达到最大值的那个 值作

文档评论(0)

dajuhyy + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档