席第14讲 区间估计.ppt

（2） 寻找检验统计量——假设检验的任务是判断H0 是否为真。 我们的做法是：先假定H0 为成立，然后用样本去判断其真伪。 由于样本所含信息较分散，因此需要构造一个统计量T(X1,…, X9)来做判断，称该统计量为检验统计量。 区间估计 前面，我们讨论了参数点估计常用的矩估计法和最大似然法. 它是用样本算得的一个值去估计未知参数. 但是，点估计仅仅给出了未知参数的一个近似值，它没有反映出这种估计的精度. 区间估计正好弥补了点估计的这个不足之处. §7--4 区间估计 一 、定义 设X1 ，…，Xn为来自总体X?F(x, ?）的一个样本，? ? ?为未知参数。若对于给定的?（0 ? 1），存在统计量 使得对所有的? ? ? 满足 则称随机区间 二 构造置信区间的方法 1. 枢轴量法的具体步骤 为参数? 的置信度为1-? 的置信区间， 分别称为置信度为1-? 的双侧置信区间的置信下限和上限。置信度1-? 也称置信水平。 如何寻找置信区间? 通常有如下的枢轴量法 从未知参数? 的某个点估计 出发，构造 与? 的一个函数 使得H的分布已知，且与 ? 无关。该函数通常称为枢轴量。 利用不等式运算，将不等式 适当选取两个常数c, d，使对给定?的有 等价变形为 即 此时参数? 的置信度为1-? 的置信区间为[A，B] 2. 如何确定c , d 我们总是希望置信区间尽可能短. 任意两个数c和d，只要它们的横标包含f(x)下95%的面积，就确定一个95%的置信区间. 在 c = ? d 概率密度为单峰且对称的情形，当c = ?d 时求得的置信区间的长度为最短. 当 的概率密度不对称的情形，如 分布，F分布，习惯上仍取对称的百分位点来计算未知参数的置信区间. §7--5 正态总体均值与方差的区间估计 先看下面的例子: ~N(0, 1) 选 的点估计为 求参数 的置信度为 的置信区间. 例1 设X1,…Xn是取自 的样本， 解： 寻找一个待估参数和 估计量的函数 ，要求 其分布为已知. 有了分布，就可以求出 U取值于任意区间的概率. 对于给定的置信水平, 根据U的分布， 确定一个区间, 使得U取值于该区间的概率为 置信水平. ~N(0, 1) 对给定的置信水平 使 从中解得 注意 就是 于是所求 的 置信区间为 注意: 正态分布的分位点的两种记号 (参见书 p195 的 (5.1)式) 例2 已知某地区新生婴儿的体重X~ 随机抽查100个婴儿得100个体重数据 X1,X2,…,X100 的区间估计 求 和 （置信水平为1- ）. 解：这是正态总体均值和方差的估计 已知 先求均值 的区间估计. 因方差未知，取枢轴量 对给定的置信度 ,确定分位数 使 即 均值 的置信水平为 的区间估计. 即为 从中解得 (参见书 p196 的 (5.4)式) 取枢轴量 从中解得 再求方差 的置信水平为 的区间估计. 对给定的置信度 ,确定分位数 使 于是 即为所求. (参见书 p197 的 (5.7)式) 两个正态总体均值差的置信区间 (参见书 p198-199)( 这一部分内容自学) 两个正态总体方差比的置信区间 (参见书 p200-201) ( 这一部分内容自学) (§7—6和 §7—7 的内容不讲) 下面我们总结所讲的内容: 关于正态总体均值与方差的 区间估计 见书第七章第5节 (p195--201) （一）一个正态总体的情况 1. 均值的置信区间 （a）方差已知 （b）方差未知 2. 方差的置信区间 （二）两个正态总体的情况( 这一部分内容自学) 1. 两个正态总体均值差的置信区间 (a)两方差已知 (b)两方差未知，但已知它们相等 2. 两个正态总体方差比的置信区间 这些内容的总结见书 p205表7.1 (所用的分布大部分都是第六章的定理) （第七章到此结束） 第八章 假设检验 这一章主要讲第 1, 2, 3 节, 简单介绍第 6节. 假