六节参数估计.pptVIP

* 第 六 章 参 数 估 计 §6.1 参数的点估计 §6 .3 正态总体参数的区间估计 *§6.5 非正态总体参数的区间估计 §6.2 衡量点估计量好坏的标准 §6.6 单侧置信限 与方差比的区间估计 §6.4 两个正态总体均值差 §6.1 参数的点估计 §6.2 衡量点估计量好坏的标准 2 求点估计值的方法——矩估计法 1 概念 3 求点估计值的方法——极大似然法 1 无偏性 2 有效性 3 一致性（相合性） §6.1 参数的点估计 问题 参数估计 例： 若总体X的分布函数为F(x, θ)，而 θ 未知，如何利用总体 样本 对θ 进行估计。 例：设总体 一、概念 总体X 的分布类型已知，但其中的一个或几个参数未知， 如何对总体分布的参数作出估计。 定义： 设总体X的分布中含有未知参数 从总体X中抽取一个 样本 其观测值为 取样本的某个 则称 是θ的点估计量， 函数 如果以它的观测值作为未知参数 的估计值， 测值 是θ的点估计值。 而称其观 二、求点估计值的方法 —— 矩估计法 用样本原点矩 来估计总体原点矩 总则 （1）若总体分布函数 含有一个未知参数θ， 则令 即令总体均值等于样本均值 （亦即总体一阶原点距等于样本 的一阶原点距）， 解上述方程，得： —— θ 的矩估计量 （2）若总体分布函数 含有两个未知参数θ1,θ2， 解方程，得矩估计量 则令： —— θ 的矩估计值 其矩估计值 同理，可推至有限个未知参数的情形。 解 因为总体X的概率密度 所以总体X的一阶原点矩为： 用样本一阶原点矩 作为 的估计量, 即有 因此解得θ的矩估计量为： 而θ的矩估计值就是： 例1 若样本观测值为 求参数μ及 σ 的矩估计值。 例2 设总体X服从正态分布 ，其中μ及 σ 是未知参数。 解 得 μ 及 σ 的矩估计值为 即 令 结论 三、求点估计值的方法 —— 极（最）大似然法 （1）设总体X是离散随机变量 似然函数： 是一组样本观测值，则 直观想法： 选取的θ应使这组样本观测值出现的可能性最大. 实现途径： 求似然函数L(θ)的最大值. 令 或 解方程可得 就是参数θ的极大似然估计值。 解 （1） 令 得 λ 的矩估计值为 例3 设总体X 服从泊松分布 P( λ ), 其中λ为未知参数。如果取 得样本观测值为 求参数 λ 的矩估计值和λ 的 极大似然估计值。 （2）由 得似然函数 得 λ 的极大似然估计值为 令 （2）设总体X是连续随机变量 似然函数 令 或 例4 设总体X服从指数分布，概率密度为 求参数 λ 的矩估计值和极大似然值。 其中 λ 为未知参数。如果取得样本观测值为 解 （1） 令 得 λ 的矩估计值为 似然函数为 （2） 得 λ 的极大似然估计值为 令 然估计值。 例5 设总体X服从正态分布 其中μ及 σ 是未知参数。 如果取得样本观测值为 求参数μ及 σ 的极大似 似然函数为 解 令 所以得 μ 及 σ 的极大似然估计值为 即 解得 解 得 θ 的矩估计值为： 令 (1) 取得样本观测值为 求参数θ 的矩估计与极大似 例6 设总体X的概率密度为 如果 然估计值。 得 θ 的极大似然估计值为： (2) 似然函数为： 一、无偏性 为θ的无偏估计量。 则称 定义 §6.2 衡量点估计量好坏的标准 要求 样本均值 是总体均值μ的无偏估计值。 ∴ 是μ的无偏估计值， 证 结论1