第7.3节.ppt

§3 估计量的评选标准 教学内容 1 无偏性 2 有效性 3 相合性 样本均值是否是 的一个好的估计量？ (2) 怎样决定一个估计量是否比另一个估计量“好”？ 样本方差是否是 的一个好的估计量？ 这就需要讨论以下几个问题: (1) 我们希望一个“好的”估计量具有什么特性？ (3) 如何求得合理的估计量？ X~N( ) 估计量的评选标准 在介绍估计量的评选标准之前，我们必须强调指出： 评价一个估计量的好坏，不能仅仅依据一次试验的结果，而必须由多次试验结果来衡量 . 这是因为估计量是样本的函数, 是随机变量 . 因此，由不同的观测结果，就会求得不同的参数估计值. 因此一个好的估计，应在多次试验中体现出优良性 . 常用的几条标准是： 1．无偏性 2．有效性 3．相合性 这里我们重点介绍前面两个标准 . 估计量是随机变量，对于不同的样本值会得到不同的估计值 . 我们希望估计值在未知参数真值附近摆动，而它的期望值等于未知参数的真值. 这就导致无偏性这个标准 . 一、无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 例如，用样本均值作为总体均值的估计时，虽无法说明一次估计所产生的偏差，但这种偏差随机地在0的周围波动，对同一统计问题大量重复使用不会产生系统偏差 . 无偏性是对估计量的一个常见而重要的要求 . 无偏性的实际意义是指没有系统性的偏差 . 存在， 阶矩 的 ：设总体 例 3 = m k k ) 1 k ( ) X ( E k X 1 的一个样本， 是总体 n 2 1 X X ,..., X , X 又设 阶总体矩 是 ? = = n 1 i k i k k X n 1 A 的无偏估计。 样本矩 阶 k 论总体服从什么分布， 试证明不 无偏估计。 的 总是 服从什么分布， 特别，不论总体 ) X ( E X X 同分布，故有 与 证： X X ,..., X , X n 2 1 即有 , ) X ( E n 1 ) A ( E . n ,..., 2 , 1 i , ) X ( E ) X ( E k n 1 i k i k k k k i m = = = m = = ? = 例2. 证明 S2 是 D(X) 的无偏估计量。 　　 . ) X ( D S ), X ( D ) S ( E 2 2 的无偏估计量 是 可见 从而 = )] X ( E ) X ( D [ n )] X ( E ) X ( D [ n 2 2 ， + - + = ) , X ( E ) X ( E 而 = , n / ) X ( D ) X ( D = n ), X ( D ) 1 n ( ] ) X X ( [ E 1 i 2 i 故有 - = - ? = 的无偏估计量。 为 就可化为无偏估计，即 以 乘 时只需将 ，要将其化为无偏估计 为常数 的估计量，且有 是 一般地，若 q q q 1 q = q q q ? C 1 C 1 ? ) 0 C ( , C ) ? ( E ? 这种方法称为无偏化 所以无偏估计以方差小者为好, 这就引进了有效性这一概念 . 的大小来决定二者谁更优 . 和 一个参数往往有不止一个无偏估计, 若 和 都是参数 的无偏估计量， 我们可以比较 由于 二、有效性 D( ) ≤D( ) 则称 较 有效 . 都是参数 的无偏估计量，若对任意 ， 设 和 且至少对于某个 上式中的不等号成立， 有效。 较 时，　 无偏估计量且当 Z n X 1 n 未知， 其中参数 0 q 其它 , , 0 0, x ), x/ exp( 1 ) ; x ( f ? ? ? í ì q - q = q 指数分布，概率密度为 的 服从参数为 　设总体 例 X 3. q 的 都是 和 )] X , X , X ( min [ n Z n X 试证 n 2 1 q = L 的一个样本， 是来自 X X , X , X n 2 1 L 又设 的指数分布， 是服从参数为 n X X X Z / ) , , ( min n 2 1 q L = 计量，　 的无偏估 是 X q \ 　 解 X E X E ) ( , ) ( ) ( 1 : q Q = = 即概率密度： ? ? ? í ì q - q = q , 0, , 0 x }, x/ n exp{