参数的点估计学习.pptVIP

一 、 参数的点估计 设总体X的分布函数的形式为已知,但它的一个或多 个参数为未知,借助于总体X的一个样本来估计总体未知 参数的值的问题称为参数的点估计问题. 例1 在某炸药制造厂，一天中发生着火现象的次数 Ｘ是一个随机变量,假设它服从以?0为参数的泊松分布 ，参数?为未知。设有以下的样本值，试估计参数 ?。 着火次数k 0 1 2 3 4 5 6 发生K次着火的天数nk 75 90 54 22 6 2 1 ?=250 解 由于X??(?)故有?=E(X).我们自然想到用样本 均值来估计总体的均值E(X).现由已知数据计算得到 得估计 E(X) =?的估计值为1.22。 点估计问题的一般提法：设总体X的分布函数F(X;?) 的形式为已知,?为待估参数。X1 ,X2 ,. . ., Xn是X的一个样 本， x1 ,x2 ,. . .,xn是相应的一个样本值. 点估计问题就是要 构造一个适当的统计量 (X1 , X2 , . . . , Xn), 用它的观察值 (x1 ,x2 , . . . ,xn)来估计未知参数?, 我们称 (X1 ,X2 ,...,Xn)为 ?的估计量， (x1 ,x2 , . . . ,xn)为?的估计值.在不致混淆的情 况下统称估计量和估计值为估计。并都简记为 。 如在例1中，用样本均值估计总体均值。即有估计量 估计值 二、 矩估计法 设X为连续型随机变量, 其概率密度为f(x;?1, ?2 , ...,?k),或X为离散型随机变量, 其分布规律为P?X = x? = p(x;?1 ,?2 ,…,?k)其中?1,?2,…,?k为待估参数,X1 , X2 , . . ., Xn是来自X的样本, 假设总体X的前 k 阶距 (X连续型) 或 (X离散型) l = 1 , 2 , · · · , k (其中R(x)是x可能取值的范围)存在. 一般来说, 它们是?1, ?2 ,...,?k的函数。基于样本矩 依概率收敛于总体矩 ?l ( l = 1 , 2 , · · · , k)样本矩的连续函 数依概率收敛于相应的总体矩函数，故用样本矩作为总 体矩的估计量，而以样本矩的连续函数作为相应的总体 矩的连续函数的估计量，这种方法称为矩估计法，具体 作法是：令 ?l = Al ， l = 1 , 2 , · · · , k 这是包含k个未知参数?1,?2,...,?k,的联立方程组， 用解 1, 2,…, k作为估计量,这种估计量称为矩估计量。 矩估计量的观察值称为矩估计值。 例2 设总体X在[a ,b]上服从均匀分布, a, b未知. X1, X 2, . . ., Xn是一个样本,试求a ,b的矩估计值。 令 解上述联立方程组，得到a，b的矩估计量为 例3 设总体X的均值m及方差s2都存在，且有s2 0. 但m, s2均未知。又设X1, X2 , ···· , Xn是一个样本。试求 m,s2的矩估计量。 或即 解 m1=E(X)=m, m2=E(X2)=D(X)+[E(X)]2 =s2+m2, 令 m= A1 , s2+m2=A2 . 解上述方程组，得m和s2的矩估计量分别为 所得结果表明，总体均值与方差的矩估计量的表达式不因 不同的总体分布而异。 例如，X~N(m,s2), m, s2未知，即得m, s2的矩估计量为 三 、 极大似然估计法 例 1 某学员与一位神枪手一同进行实弹射击,各打 一发,同一靶,仅中一发,试问认为这一发是谁打中较合理？ 例 2 假设在一罐中放有许多白球和黑球，并知两种球的数目之比是1:3; 但不知那种球的颜色多. (现抽一球,为黑的概率可能是3/4，也可能是1/4)。今连抽两球，全为黑球。问袋中黑球多还是白球多？ 解 直观上可以回答。现以概率的角度考虑。设抽 一球为黑球的概率为p，抽n个而出现x个黑球的概率