第6章参数估计2(第1、2节 区间估计)综合讲练.docVIP

要览 提示 理解双侧置信区间的概念Neymann)于1934年提出的. 一、双侧置信区间的概念是总体分布的未知参数，是取自总体的一个样本，其观察值为. 1、双侧置信区间（ ），若构造两个统计量 ， 使得 则称随机区间为未知参数的置信度为的双侧置信区间，称为双侧置信度（ ），又分别称为未知参数的双侧置信下限与双侧置信上限. 注: (1) 置信度的含义: 在随机抽样中, 若重复抽样多次, 得到样本的多个样本值, 对应每个样本值都确定了一个置信区间, 每个这样的区间要么包含了的真值, 要么不包含的真值. 根据伯努利大数定理, 当抽样次数充分大时, 这些区间中包含的真值的频率接近于置信度(即概率) , 即在这些区间中包含的真值的区间大约有个,不包含的真值的区间大约有个. 例如, 若令, 重复抽样100次, 则其中大约有95个区间包含的真值, 大约有5个区间不包含的真值. (2)置信区间也是对未知参数的一种估计, 区间的长度意味着误差, 故区间估计与点估计是互补的两种参数估计. (3)置信度与估计精度是一对矛盾:置信度越大, 置信区间包含的真值的概率就越大, 但置信区间的长度就越大, 对未知参数的估计精度就越差；反之, 对未知参数的估计精度越高, 置信区间的长度就越小, 包含的真值的概率就越低, 置信度越小. 一般准则是: 在保证置信度的条件下尽可能提高估计精度. 2、求未知参数的双侧置信区间的方法（一般步骤） 熟记 第1步 利用常用统计分布，选取的一个较优的点估计，寻找枢轴量，的分布不依赖于是已知的；（有时，需寻找切比雪夫不等式）； 第2步 利用常用的统计分布的分位数（临界值），对于事先给定的置信度为（ 等于、大于、近似于 ）（ ），确定数值与，使 （ 、 ） 第3步 利用不等式变形，导出套住未知参数的置信度为（ 等于、大于、近似于 ）的置信区间，即 或 或 注意 由第3步，求出的未知参数的置信上限与置信下限分别表示为 样本函数 一旦有了样本值，可求出未知参数的置信上限与置信下限的具体取值分别表示为 数值 置信区间的端点也随之确定，称区间 为置信区间的一个实现，它是一个普通区间，也简称为置信区间. 复习 切比雪夫不等式 中心极限定理 P112定理3，P114定理4 常用抽样分布表 P137～P139定理1～4 一般总体抽样分布的极限分布 P142定理5 常用的统计分布的分位数（临界值）表 三、单个正态总体的均值和方差的置信区间是来自正态总体的一个样本，其观察值为 ， 总体均值 总体方差 样本均值，样本均值的观察值 样本方差 样本方差的观察值 1、总体方差已知时，总体均值的(双侧)置信区间 第1步 寻找枢轴量 因为 利用常用抽样分布表P137～P139定理1～4 第2步 利用常用的统计分布的分位数（临界值），对于事先给定的置信度等于（ ），确定数值与，使 事实上 （ 因标准正态分布是对称分布 ） 第3步 利用不等式变形，导出套住未知参数的置信度等于的置信区间 显然 （ ） 所以，总体方差已知时，总体均值的置信度为（ ）的置信区间为 2、总体方差未知时，总体均值的(双侧)置信区间 第1步 寻找枢轴量 因为 利用常用抽样分布表P137～P139定理1～4 第2步 利用常用的统计分布的分位数（临界值），对于事先给定的置信度等于（ ），确定数值与，使 事实上 （ 因分布是对称分布 ） 第3步 利用不等式变形，导出套住未知参数的置信度等于的置信区间 显然 （ ） 所以，总体方差未知时，总体均值的置信度为（ ）的置信区间为 3、总体均值已知时，总体方差的(双侧)置信区间 第1步 寻找枢轴量 因为 利用常用抽样分布表P137～P139定理1～4 第2步 利用常用的统计分布的分位数（临界值），对于事先给定的置信度等于（ ），确定数值与，使 事实上 第3步 利用不等式变形，导出套住未知参数的置信度等于的置信区间 显然 （ ） 所以，总体均值已知时，总体方差的置信度为（ ）的置信区间为 4、总体均值未知时，总体方差的置信区间(双侧) 第1步 寻找枢轴量 因为 利用常用抽样分布表P137～P139定理1～4 第2步 利用常用的统计分布的分位数（临界值），对于事先给定的置信度等于（ ），确定数值与，使 事实上 第3步 利用不等式变形，导出套住未知参数的置信度