第三讲 参数区间估计.ppt

68 第二讲 区间估计 P156 前面，我们讨论了参数点估计.它是用样本算得的一个值去估计未知参数.但是，点估计值仅仅是未知参数的一个近似值，它没有反映出这个近似值的误差范围，使用起来把握不大. 区间估计正好弥补了点估计的这个缺陷 . 譬如，在估计湖中鱼数的问题中，若我们根据一个实际样本，得到鱼数N 的估计为1000条. 实际上，N 的真值可能大于1000条，也可能小于1000条. 我们希望确定一个区间，使我们能以比较高的可靠程度相信它包含真参数值. 湖中鱼数的真值 [ ] 这里所说的“可靠程度”是用概率来度量的，称为置信度或置信水平 1-α 二 置信区间定义 P156 [ ] 是两个统计量 设 是 一个待估参数, 满足 使得对于给定 称 是 的置信水平为 的置信区间 1 定义 2 置信区间定义解释 若我们做N次抽样 就得到N个实数区间 N个区间中有些含有θ的真值，有些不含 θ的真值 例如： N=1000, α=0.05 则大约有950个含θ的真值 50个不含θ的真值 但当置信度为1-α时，这些区间中大约有 N（1-α）个含有θ的真值， 一元正态总体N(m, s2)关于 P158 期望m与 方差s2的区间估计 1 期望m的置信区间(方差s2已知) 设 为正态总体总体 的容量为n的样本, 为样本观测值 期望m的置信区间(方差s2已知)为 推理如下 (1) 构造统计量 P212定理11.2 P196定理10.1 显然Z取值在0的附近是合理的 (2) 对于置信度 查P250表得 所以 期望m的置信区间(方差s2已知) 例1 某灯泡厂某天生产的灯泡寿命x ~N(m, 8 ) ，从中抽取了10个进行寿命试验，得数据如下 1200 1300 1130 1040 1250 1200 1120 1080 1100 1050 求该天灯泡平均寿命的置信区间（a =0.05） 解 ∵ n=10, s2 =8 由a =0.05查表可得za/2 = m的置信区间为 1.96 倒 查0.975 期望m的置信区间(方差s2已知)为 （1145.25, 1148.75) 提示 例2 从正态总体x ~N( m, 42)中抽出容量为4的样本样本均值为13.2 , 求m的置信度为0.95的置信区间 m的置信区间为 解 ∵ n=4, s2 =42 由a =0.05查表可得za/2 = 1.96 倒查 0.975 期望m的置信区间(方差s2已知)为 （9.28 17.12) 例3 测两点间距离5次，数据如下 112.0 110.5 110.0 109.0 108.5 (2)求距离μ的置信区间（ s2 =2.5 , a =0.05 ） 解 (1)如果测量值服从 求μ与s2的估计值 4 提示 例3 测两点间距离5次，数据如下 112.0 110.5 110.0 109.0 108.5 (2)求距离μ的置信区间（ s2 =2.5 , a =0.05 ） 解 (1)如果测量值服从 求μ与s2的估计值 n =5, s2 =2.5 由a =0.05查表可得za/2 = μ的置信区间为 1.96 倒 查0.975 m的置信区间(方差s2已知)为 (108.6, 111.4) 一元正态总体N(m, s2)关于 期望m与 方差s2的区间估计 2 期望m的置信区间(方差s2未知) 设 为正态总体总体 的容量为n的样本, 为样本观测值 期望m的置信区间(方差s2未知)为 推理如下 (1) 构造统计量 P214定理11.3 显然T取值在0的附近是合理的 (2) 对于置信度 查P251表得 所以 期望m的置信区间(方差s2未知) 解 例4 用某种仪器测量温度,重复5次,得12500 , 12600 ,12650 ,1245 0 ,12750,若测得的数据服从正态分布,求 温度μ的置信度为0.95的置信区间 方差未知的情况下,均值的置信区间为 由a =0.05查表可得 μ的置信区间为 (1244.2 1273.8) 提示 例5 测16枚钉子的长度为2.14, 2.10, 2.13, 2.15, 2.13, 2.12, 2.13, 2.10, 2.15, 2.12, 2.14, 2.10, 2.13, 2.11, 2.14, 2.11 (1)求μ的置信区间（ s2=0.12 , a =0.1 ） 解 n