12概统7参数估计.pptVIP

第七章 参数估计内容提要 设已知总体X 的分布,但其中一个或几个分布参数是未知的,从总体中抽取样本,得到样本观察值,寻求适当的统计量作为未知参数的估计量,统计量的观察值就作为未知参数的估计量的估计值,这就是参数估计问题。 矩估计法的优点是直观、简便；特别是，正如我们已经指出的，对总体的均值与方差进行估计时，并不一定要知道总体服从什么分布。但是，矩估计法对于那些原点矩不存在的总体是不适合的。 习 题 课 1、点估计 （1）矩估计法；（2）极大似然估计法 ； （3）估计量的评选标准。 2、区间估计 单个正态总体的情形：均值和方差的置信区间 实际操作起来,依据样本,按照第三步求出的 置信区间,查出分位数,算得上下限,最后写出数值区间 单正态总体参数的区间估计 双正态总体区间估计 小结: 期望的区间估计 方差的区间估计 σ2已知 σ2未知 Z T 均值差的区间估计 方差比的区间估计 两个方差都已知 两个方差未知但相等 Z T F 例2 设总体 X 的期望 与方差存在, X 的 样本为 (n 1)。 (1) 不是 D( X )的无偏估量; (2) 是 D( X ) 的无偏估计量。 证 前已证 证明 因而 故 证毕。 对于参数?的无偏估计量，其取值应在真值附近波动，我们希望它与真值之间的偏差越小越好。 定义 设 均为未知参数?的无偏估计量，若 则称 比 有效。 在?的所有无偏估计量中，若 估计量，则称 是具有最小方差的无偏 显然也是最有效的无偏估计量，简称有效估计量。 为一致最小方差无偏估计量。 标准二: 有效性(方差最小性) 例6 设总体 X，且 E( X )=? , D( X )=? 2 为总体 X 的一个样本 证明 是 ? 的无偏估计量 (2) 证明 比 更有效 证 (1) (1) 设常数 (2) 而 结论 算术均值比加权均值更有效。 例如 X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本。 都是? 的无偏估计量 由上例(2) 知 最有效。 在参数估计中，很容易想到，如果样本容量越大，样本所含的总体分布的信息越多。n越大，越能精确估计总体的未知参数。随着n的无限增大，一个好的估计量与被估参数的真值之间任意接近的可能性会越来越大，这就是所谓的相合性或一致性。 定义 设 为未知参数? 的估计量，若对任意给定的正数 ε0，都有 即 依概率收敛于参数? ，则称 为参数? 的一致估计或相合估计量。 标准三: 一致性 标准三: 一致性 设统计量 是未知参数 的点估计量，样本 容量为 n ，若对任意 则称 为 的一致估计。 两个重要结论: (1)设总体X的均值 ，方差 , 则样本均值 是总体均值 的一致估计量。 (2)样本方差 是总体方差 的一致估计量。 例7 设 是总体X的样本均值，则作为总体期望E(X)的估计量时， 是E(X)的一致估计量。 证明 ： 由大数定律可知，当n→∞时 是E(X)的一致估计量。 例8 设 为? 的无偏估计量，若 则 为? 的一致估计量。 证明 由切比雪夫不等式可知 为? 的一致估计量。 点估计有使用方便、直观等优点,但它并没有提供关于估计精度的任何信息,为此提出了未知参数的区间估计法。 如:对明年小麦的亩产量作出估计为: 若设X表示明年亩产量,则估计结果为 P(800≤X≤1000)=80% 明年小麦亩产量八成为800-1000斤。 §7.3 正态总体参数的区间估计 区间估计 1. 区间估计的定义 设总体分布中含有未知参数 ,根据来自该总体的s.r.s , 如果能够找到两个统计量 ,使得随机区间 包含 达到一定的把握,那么,便称该随机区间为未知参 数的区间估计。即 当 成立时, 称概率 为置信度或置信水平; 称区间 是 的置信度为 的置信区间; 分别称为置信下限和置信上限。 注意:点估计给出的是未知参数的一个近似值;区间估计给出的是未知参数的一个近似范围,并且知道这个范围包含未知参数值的可靠程度。 由定义可知，置信区间是以统计量为端点的随机区间，对于给定的