数理统计第3章 参数估计.ppt

第三章 参数估计 §1 点估计 例1 某灯泡厂灯泡的寿命 ，当 未知，试估计 例2 设总体X的密度函数为 试估计其参数? 替换原理 矩估计法 例6 设EX2存在，求? 和?2 的矩估计。 例7 设 ，求均值与方差的矩估计。 矩估计的优点 不依赖总体的分布，简便易行； 只要n充分大，精确度也很高。 矩估计的缺点 矩估计的精度较差； 要求总体的某个k阶矩存在； 要求未知参数能写为总体的原点矩的函数形式 极大似然估计法 小概率事件原理：在一次试验中，某一事件已经发生，则必认为发生该事件的概率最大。 例8 设总体X 服从参数为?的指数分布，即有概率密度 例9 设总体X 服从参数为λ的泊松分布，即X有分布 列（分布律） 连续分布情形的极大似然估计 设总体X的概率密度函数族为{ } ，其中 是k维侍估参数向量，又设 是样本 的一个观察值，则样本 落在点 的邻域内的概率是 ，可见这个概率会受 变化的影响，(即是 的函数)最大似然法原理就是要选取使得样本落在观察值 邻域里的概率 达最大的参数值 作为 的估计，即对固定的 选取 使 例13 设某产品的寿命T服从指数分布 ， 。现从这种产品中抽取n个进行寿命试验，试验进行到第个r失效为止，记样本为： ，又记 为次序统计量，试求 的极大似然估计； 解 似然函数为: 极大似然估计的不变原则 定理 设 为 的极大似然估计， 是 的连续函数，则 的极大似然估计为 。 例 设 是总体X的样本，而X的概率密度为 求未知参数 的极大似然估计量和概率 的极大似然估计量。( ) §2 点估计量的优良性 均方误差准则 例6 验证当 时，样本均值是?的无偏估 计，但样本均值的平方就不再是?2的无偏估计。样本 方差S2是?2的无偏估计，但S 不是?的无偏估计。 （4）一般来说，无偏估计量的函数并不是未知参数相应函数的无偏估计量。即 一致最小方差无偏估计 一致最小方差线性无偏估计 限制：要求估计量是样本的线性函数 解法：转化为求条件极值问题求解 例1 试求总体X的均值的一致最小方差线性无偏估计。 零无偏定理 记 U={T: E? (T)=?, E? (T2)?,对一切??}, U0={V: E? (V)=0, E? (V2)?, 对一切? ??}. 定理 设U和U0分别如上定义，且非空,则T0?U是? 的一个最小方差无偏估计的充要条件是E? (VT0)=0, 对一切? ??和V?U0。 例 设X～N(?, ?2)， ?, ?2未知，求参数?, ?2的一致最小方差无偏估计。 罗-克拉美不等式 罗－克拉美（R－C）不等式 定理 （2） Cramer-Rao定理中两个不等式的右端项是方差的下界。在实用中常用I(?)的另一等价表达式 定理2 设总体X的分布族为 ，且EXp存在，p是某一正整数,则样本的k阶原点矩(1?k? p) Ak是总体k 阶原点矩的相合估计. 例1 证明正态总体的样本方差是总体方差的相合估计。 §3 区间估计 区间估计的引入——点估计的精度 定义1 如果给出参数θ所在的一个区间，同时给出此区间包含参数θ的可靠程度，这就是对参数θ的区间估计问题。 区间估计的内容很多 Neyman的置信区间理论 Fisher的信仰推断法 序贯区间估计 ... ... 置信区间理论的好处 应用最广泛 可以完全纳入目前流行的概率论理论的格局之内 [T1,T2]为随机区间，它包含未知参数为一随机