数理统计学总复习(大连理工出版社 滕素珍等著).ppt

设总体X具有分布函数F(x), X1, X2, …, Xn 为取自该总体的容量为n的样本，则样本联合分布函数为 次序统计量及其分布 抽样分布的重要结论 第3章 参数估计 §3.1 点估计的几种方法 §3.2 点估计的评价标准 §3.4 贝叶斯估计 §3.5 区间估计 参数估计的形式有两种：点估计与区间估计。 §3.1 点估计 3.1.1 矩法估计 3.1.2 极(最)大似然估计 定义 设总体的概率函数为P(x;? )，?是参数? 可能取值的参数空间，X1, X2 , …, Xn 是样本，将样本的联合概率函数看成? 的函数，用L(? ; x1, x2, …, xn) 表示，简记为L(? )， 称为样本的似然函数。 如果某统计量 满足 则称 是? 的极(最)大似然估计，简记为MLE 3.5 点估计的优良性 定义3.1 设? ∈Θ为未知参数， 是? 的一个估计量，n 是样本容量，若对任何一个ε0，有 则称 为? 参数的相合估计。 在判断估计的相合性时下述两个定理是很有用的。 定理3.4 设 是? 的一个估计量，若 则 是? 的相合估计， 2 无偏性 定义3. 2 设 是? 的一个估计， ? 的参数空间为Θ，若对任意的?∈Θ，有 则称 是? 的无偏估计，否则称为有偏估计。 3 有效性 定义3.3 设 是? 的两个无偏估计，如果对任意的? ∈Θ, 有 且至少有一个? ∈Θ使得上述不等号严格成立，则称 比 有效。 3.6.1 置信区间的概念 求置信区间一般方法 步骤如下： 1. 构造一个样本和? 的函数 G=G(x1, x2 , …, xn,? ) 使得G具有已知分布。 2. 适当地选择两个常数c,d，使对给定的? (0? 1) 有 P(c≤G≤d)=1- ? 3. 若能将c≤G ≤d 进行等价变形化为 则 是? 的1-? 置信区间。 3.6.2 正态总体参数的置信区间 2）、? 2未知时? 的置信区间 3）、? 2的置信区间 取， 由于? 2分布是偏态分布，寻找平均长度最短区间很难实现，一般都用等尾置信区间：采用? 2的两个分位数? 2? /2(n-1) 和?21-? /2(n-1)，在? 2分布两侧各截面积为?/2的部分， 使得 由此给出? 2的1-?置信区间为 求? 2 置信度为1-?的置信区间步骤 2、两个正态总体下的置信区间 设x1 , …, xm是来自N(?1,? 12)的样本，y1 , …, yn是来自N(?2,? 22)的样本，且两个样本相互独立。 与 分别是它们的样本均值， 一、?1 -?2的置信区间 3、当m和n都很大时的近似置信区间 二、 ? 12/? 22的置信 3.6.3 非正态总体参数置信区间 如果总体不是正态分布，在样本容量充分大时，可以用渐近分布来构造近似的置信区间。一个典型的例子是关于比例p 的置信区间。 一、一元线性回归模型： y =?0+ ?1x+ ? (5.2) 这是y关于x的一元线性回归的数据结构式。通常假定 E(?) =0, Var(?) = ? 2 (5.3) 在对未知参数作区间估计或假设检验时，还需要假定误差服从正态分布，即 ? ~N(0, ? 2 ) y ~N(?0+ ?1x, ? 2 ) (5.4) 显然，假定(5.4) 比 (5.3) 要强。 由数据(xi,yi)，i=1,2,…,n，可以获得?0, ?1的