概率论数理统计课件第17讲参数估计.pptVIP

求导并令其导数等于零，得 解上述方程，得 似然函数为 从前面两节的讨论中可以看到: ● 同一参数可以有几种不同的估计，这时就需 要判断采用哪一种估计为好的问题。 ● 另一方面，对于同一个参数，用矩法和极大 似然法即使得到的是同一个估计, 也存在衡 量这个估计优劣的问题。 估计量的优良性准则就是：评价一个估计量“好”与“坏”的标准。 §7.3 估计量的优良性准则 设总体的分布参数为?， 对一切可能的? 成立,则称 为? 的无偏估计。 7.3.1 无偏性 对于样本 X1,X2,?,Xn的不同取值， 取不同的值 )。 如果 的均值等于?，即 简记为 是? 的一个估计(注意! 它是一个统计量，是随机变量。 参数?，有时可能估计偏高，有时可能偏低，但是平均来说它等于?。 “一切可能的? ”是指：在参数估计问题中，参数 ? 一切可能的取值。 我们之所以要求对一切可能的 ? 都成立， 是因为在参数估计问题中, 我们并不知道参数? 的真实取值。自然要求它在参数? 的一切可能取值的范围内都成立 说明：无偏性的意义是：用估计量 估计 由数学期望的性质知 定理1：设总体 X 的均值为?,方差为?2, X1,X2,…,Xn 为来自总体 X 的随机样本，记 与 分别为样本均值与样本方差，即 即样本均值和样本方差分别是 总体均值 和总体方差 的无偏估计。 证明：因为 X1, X2, …, Xn 独立同分布，且 E(Xi )=μ , 所以 另一方面，因 于是，有 注意到 用估计量 估计?，估计误差 7.3.2. 均方误差准则 是随机变量，通常用其均值衡量估计误差的大小。 要注意: 为了防止求均值时正、负误差相互抵消，我们先将其平方后再求均值，并称其为均方误差，记成 ，即 哪个估计的均方误差小，就称哪个估计比较优，这种判定估计优劣的准则为“均方误差准则”。 注意：均方误差可分解成两部分: 证明： 上式表明，均方误差由两部分构成：第一部分是估计量的方差，第二部分是估计量的偏差的平方和。 注意：如果一个估计量是无偏的，则第二部分是零，则有: 如果两个估计都是无偏估计，这时哪个估计的方差小，哪个估计就较优。这种判定估计量优劣的准则称为方差准则。 概率论与数理统计 第十五讲 第七章: 参数估计 数理统计的任务： ● 总体分布类型的判断； ● 总体分布中未知参数的推断(参数估计与 假设检验)。 参数估计问题的一般提法 设总体 X 的分布函数为 F( x, θ )，其中θ 为未知参数或参数向量，现从该总体中抽样,得到样本 X1, X2 , … , Xn . 依样本对参数θ 做出估计， 这类问题称为参数估计。 参数估计包括：点估计和区间估计。 称该计算值为 μ 的一个点估计。 为估计参数 μ，需要构造适当的统计量 T( X1, X2 , … , Xn )， 一旦当有了样本，就将样本值代入到该统计量中，算出一个值作为 μ 的估计， 寻求估计量的方法 1. 矩估计法 2. 极大似然法 3. 最小二乘法 4. 贝叶斯方法 … 我们仅介绍前面的两种参数估计法 。 其思想是: 用同阶、同类 的样本矩来估计总体矩。 矩估计是基于“替换”思想建立起来的一种参数估计方法 。 最早由英国统计学家 K. 皮尔逊 提出。 §7.1 矩估计 矩估计就是用相应的样本矩去估计总体矩。 设总体 X 的分布函数中含 k 个未知参数 步骤一：记总体 X 的 m 阶原点矩 E(Xm)为 am , m = 1,2,…,k. am(?1,?2,…,?k), m =1, 2, …, k. 一般地, am (m = 1, 2, …, K) 是总体分布中参数或参数向量 (?1, ?2, …, ?k) 的函数。