概率论与数理统计--第七章.ppt

例4 设总体 X 的密度函数为 为常数 为 X 的一个样本 证明 与 都是 的无偏 估计量 证 故 是? 的无偏估计量. 令 即 故 n Z 是? 的无偏估计量. 都是总体参数? 的无偏估计量, 且 则称 比 更有效. 定义 设 有效性 所以, 比 更有效. 是? 的无偏估计量,问哪个估计量更有效？ 由例4可知, 与 都 为常数 例5 设总体 X 的密度函数为 解 ， 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) 结论 算术均值比加权均值更有效. 由柯西-许瓦兹不等式知 例如 X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本. 都是? 的无偏估计量 由例6(2) 知 最有效. 定义 设 是总体参数? 则称 是总体参数? 的一致(或相合)估计量. 的估计量. 若对于任意的? ? ? , 当n? ?时, 一致性 依概率收敛于? , 即 一致性估计量仅在样本容量 n 足够大时,才显示其优越性. 关于一致性的两个常用结论 1. 样本 k 阶矩是总体 k 阶矩的一致性估计量. 是? 的一致估计量. 由大数定律证明 用切贝雪夫不 等式证明 矩法得到的估计量一般为一致估计量 在一定条件下, 极大似然估计具有一致性 2. 设 是 ? 的无偏估计 量, 且 , 则 例8 为常数 则 是? 的无偏、有效、一致估计量. 证 由例7 知 是? 的无偏、有效估计量. 所以 是 ? 的一致估计量, 证毕. §7.3 区间估计 引例 已知 X ~ N ( ? ,1), 不同样本算得的 ? 的估计值不同，因此除了给出 ? 的点估计外, 还希望根据所给的样本确定一个随机区间, 使其包含参数真值的概率达到指定的要求. ? 的无偏、有效点估计为 随机变量 常数 如引例中，要找一个区间,使其包含 ? 的真值的概率为0.95. ( 设 n = 5 ) 取 查表得 这说明 即 称随机区间 为未知参数 ? 的置信度为0.95的置信区间. 反复抽取容量为5的样本,都可得一个区间,此区间不一定包含未知参数 ? 的真值, 而包含真值的区间占95%. 置信区间的意义 若测得 一组样本值, 它可能包含也可能不包含? 的真值, 反复 则得一区间 (1.86 – 0.877, 1.86 + 0.877) 抽样得到的区间中有95%包含 ? 的真值. 算得 设 ? 为待估参数, ? 是一给定的数, ( 0?1). 若能找到统计量 , 使 则称 为 ? 的置信水平为1 - ? 的 置信区间或区间估计. 置信下限 置信上限 置信区间的定义 ? 反映了估计的可靠度, ? 越小, 越可靠. 置信区间的长度 反映了估计精度 ? 越小, 1- ? 越大, 估计的可靠度越高,但 ? 确定后, 置信区间 的选取方法不唯一, 常选区间最短的一个（精度最高）. 几点说明 越小, 估计精度越高. 这时, 往往增大, 因而估计精度降低. 求参数 置信区间 保 证 可靠性 先 提 高 精 度 再 处理“可靠性与精度关系”的原则 寻找一个样本的函数 它含有待估参数, 不含其它未知参数, 它的分布已知, 且分布不依赖于待估参数 (常由? 的点估计出发考虑 ). 例如 求置信区间的步骤 — 称为枢轴量 取枢轴量 给定置信度 1 ? ? ,定出常数 a , b ,使得 ( 引例中 由 解出 得置信区间 引例中 (一) 一个正态总体 X ~N ( ? ?? 2)的情形 置信区间常用公式 (1) 方差? 2已知, ? 的置信区间 推导 由 选取枢轴量 由 确定 解 得 ? 的置信度为 的置信区间为 (2) 方差? 2未知 , ? 的置信区间 由 确定 故 ? 的置信区间为 推导 选取枢轴量 (3) 当 ? 已知时, 方差? 2 的 置信区间 取枢轴量 ， 得 ? 2 的置信度为 置信区间为 由概率 (4) 当 ? 未知时