大学概率论第30讲.ppt

需要指出的是，给定样本，给定置信水平，置信区间也不是唯一的. 对同一个参数，我们可以构造许多置信区间. ~N(0, 1) 取枢轴量 由标准正态分布表，对任意a、b，我们可以求得P( aUb) . 例如，设X1,…Xn是取自 的样本， 求参数 的置信水平为 的 置信区间. ~N(0, 1) 例如，由 P(-1.96≤U≤1.96)=0.95 我们得到 均值 的置信水平为 的 置信区间为 由 P(-1.75≤U≤2.33)=0.95 这个区间比前面一个要长一些. 置信区间为 我们得到 均值 的置信水平为 的 我们总是希望置信区间尽可能短. 类似地，我们可得到若干个不同的置信 区间. 任意两个数a和b，只要它们的纵标包含f(u)下95%的面积，就确定一个95%的置信区间. 引言 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的极大似然估计为1000条. 若我们能给出一个区间，在此区间内我们合理地相信 N 的真值位于其中. 这样对鱼数的估计就有把握多了. 实际上，N的真值可能大于1000条， 也可能小于1000条. 也就是说，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，称为置信概率，置信度或置信水平. 习惯上把置信水平记作 ，这里 是一个 很小的正数. 置信水平的大小是根据实际需要选定的. 例如，通常可取置信水平 =0.95或0.9等. 根据一个实际样本，由给定的置信水平，我 小的区间 ，使 们求出一个尽可能 置信区间. 称区间 为 的 置信水平为 的 寻找置信区间的方法,一般是从确定误差限入手. 使得 称 为 与 之间的误差限 . 我们选取未知参数的某个估计量 ，根据置信水平 ，可以找到一个正数 ， 只要知道 的概率分布，确定误差限并不难. 下面我们就来正式给出置信区间的定义,并通过例子说明求置信区间的方法. 由不等式 可以解出 ： 这个不等式就是我们所求的置信区间. 教材180页已经给出了概率分布的上侧分位数（分位点）的定义，为便于应用，这里我们再简要介绍一下. 在求置信区间时，要查表求分位数. 设0 1, 对随机变量X，称满足 的点 为X的概率分布的上 分位数. 例如: 设0 1, 对随机变量X，称满足 的点 为X的概率分布的上 分位数. 标准正态分布的 上 分位数 例如: 设0 1, 对随机变量X，称满足 的点 为X的概率分布的上 分位数. 分布的上 分位数 自由度为n的 设0 1, 对随机变量X，称满足 的点 为X的概率分布的上 分位数. F分布的上 分位数 自由度为n1,n2的 书末附有 分布、t 分布、F分布的上侧分位数表，供使用. 需要注意的事项在教材上有说明. 至于如何由标准正态分布函数表查表求得分位数，若你对分布函数定义熟悉的话，这个问题不难解决. 现在回到置信区间题目上来. 一、 置信区间定义： 满足 设 是 一个待估参数，给定 若由样本X1,X2,…Xn确定的两个统计量 则称区间 是 的置信水平（置信度、 置信概率）为 的置信区间. 分别称为置信下限和置信上限. 一旦有了样本，就把 估计在区间 内. 这里有两个要求: 可见， 对参数 作区间估计，就是要设法找出两个只依赖于样本的界限(构造统计量) (X1,…Xn) (X1,…Xn) 2. 估计的精度要尽可能的高. 如要求区间 长度 尽可能短，或能体现该要求的其它准则. 1. 要求 以很大的可能被包含在区间 内，就是说，概率 要尽可能大. 即要求估计尽量