第七章 参数估计-12.pdf

第七章 参数估计 上一章介绍了总体、样本、简单随机样本、统计 量和抽样分布的概念，介绍了统计中常用的三大分 布，给出了几个重要的抽样分布定理。它们是进一 步学习统计推断的基础。 估计问题 统计推断的问题{假设检验问题 本章学习参数估计。参数估计问题是利用从总体 抽样得到的信息来估计总体的某些参数或者参数的某 些函数。在参数估计问题中，假定总体分布形式已知， 未知的仅仅是一个或几个参数。 参数估计问题的一般提法： 设有一个统计总体，总体的分布函数为F(x , ) ， 其中 为未知参数( 可以是为向量) 。现从该总体抽 样，得样本 X , X ,…, X （相应的样本值为x , x ,…, x ） 1 2 n 1 2 n 要依据该样本对参数 作出估计，或估计 的某个 已知函数g( ) 。这类问题称为参数估计。 点估计 参数估计 区间估计 §7.1 点估计 2 2 例： 已知某地区新生婴儿的体重X~N(, ) ，, 未知。随机抽查100 个婴儿，得 100 个体重数据 10,7,6,6.5,5,5.2, … 全部信息就由这 100 个数组成。据此，应如何估计  和 ？ 服从正态分布的随机变量，有E(X ) = 。由大 数定律 1 n lim P {| X i  |} 1 n n i 1 自然想到用样本体重的平均值作为总体平均体重 的一个估计。 由上例可知，点估计问题的处理方法： 为估计参数 ，需要构造出适当的样本的函数 T(X ,X ,…X ) ，每当有了样本，就代入该函数中算 1 2 n 出一个值，用来作为 的估计值。 T(X ,X ,…X ) 称为参数 的点估计量，把样本 1 2 n 值代入，可得到 的一个点估计值。 注意：被估计的参数 是一个未知常数，而估计量 T(X ,X ,…X ) 是一个随机变量，是样本的函数，当 1 2 n 样本取定后，它是个已知的数值，这个数常称为参 数 的估计值。对于不同的样本， 的估计值一般 是不同的。 问题： 1. 使用什么样的统计量去估计 ？ 可以用样本均值，也可以用样本中位数，还可 以用别的统计量。 2. 如何评判一个估计量是否比另一个估计量更 “好”？ 这一节，讨论第一个问题，第二个问题即估计 量的优良评判准则下一节讨论。 寻求估计量的方法有：矩估计法，极大似然法， 最小二乘法，贝叶斯方法等等。主要介绍前二者。 一. 矩估计法 该方法是基于一种简单的“替换”思想建立起来 的一种估计方法，其基本思想是用样本矩估计总体 矩，理论依据是大数定律。 记 总体k 阶矩为  = E( X k ) k 1 n k 样本k 阶矩为 Ak X i