参数统计估计.pptVIP

第八章 参数统计估计 什么是抽样统计估计？ The purpose of Statistics inference is to obtain information about a population from information contained in sample. 例1 一汽车轮胎制造商生产一种被认为寿命更长的新型轮胎。 抽样估计方法主要用在下列两种情况： 第一节 点估计 用样本的估计量直接作为总体参数的估计值 例如：用样本均值直接作为总体均值的估计 例如：用两个样本均值之差直接作为总体均值之差的估计 缺点：没有给出估计值接近总体参数程度的信息 点估计的方法: 矩估计法（重点） 最大似然法 顺序统计量法 最小二乘法等 点估计：矩估计方法 两个概念： K阶原点距： K阶中心距： 举例： 即为均值； 续点估计：矩估计方法 在点估计中，我们用样本统计值作为总体参数的估计值。 即以 作为总体均值的?点估计值， 以样本比例 p 作为总体的比例P点估计值。 矩估计方法：一个例子 例：圣安德鲁大学每年接受900份入学申请，申请表含学生学术能力测试成绩、学生是否希望学校提供住宿等信息。招生主管希望知道申请学生学术能力测试的平均成绩及希望由学校提供住宿的学生的比例。 本例中，我们有三种方法可以得到相关信息：对900名申请者作普查；用随机数表选取容量为30的随机样本。 对总体研究可以得到以下总体参数： 抽样而得的样本数据 Random No. Number Applicant SAT Score On-Campus 1 744 Connie Reyman 1025 Yes 2 436 William Fox 950 Yes 3 865 Fabian Avante 1090 No 4 790 Eric Paxton 1120 Yes 5 835 Winona Wheeler 1015 No . . . . . 30 685 Kevin Cossack 965 No 点估计 作为 ? 的点估计 s 作为 ? 的点估计 作为 p 的点估计 补充：点估计的两种方法 点估计也叫定值估计，就是直接以一个样本估计量 来估计总体参数θ.其常用的估计方法有以下两种： 矩估计法 极大似然估计法 （一）矩估计法 1、基本思想 由于样本来源于总体，样本矩在一定程度上反映了总体矩，而且由大数定律可知，样本矩依概率收敛于总体矩。因此，只要总体X的k阶原点矩存在，就可以用样本矩作为相应总体矩的估计量，用样本矩的函数作为总体矩的函数的估计量。 按矩估计法，样本均值 是总体均值μ的点估计量，样本方差s2是总体方差? 2的点估计量，样本比例p是总体比例P的点估计量。 2、计算公式 （m为样本中具有某中属性的单位数） (二）极大似然估计法 1、基本思想 设总体分布的函数形式已知，但有未知参数θ ， θ可以取很多值，在θ的一切可能取值中选一个使样本观察值出现的频率为最大的θ值作为θ的估计值，记作 ，并称为θ 的极大似然估计值。这种求估计值的方法称为极大似然估计法。 2、概念 设总体X的概率密度函数为 f(x; θ) ，其中θ为待估计参数。 对于从总体中取得的样本观察值x1,x2……,xn，其联合密度函数为 ，它是参数 θ的函数，我们称之为θ的似然函数，记为L(θ)： 极大似然估计法就是寻求使得函数L（θ）达到极大的θ作为该参数的估计量，记为 ，并称 为参数θ的极大似然估计（记为MLE）。用微分法解出似然方程，就得到θ的极大似然估计。 用样本统计量（sample statistics）可以作为其对应的总体的点估计量（point estimator)。 但要估计总体的某一指标，并非只能用一个样本指标，而可能有多个指标可供选择，即对同一总体参数，可能会有不同的估计量。 1、无偏性 是指样本估计量