7.1 点估计.pptVIP

统计推断的主要任务 参数的点估计问题 什么是参数估计？ 7.1 点估计 (point estimate) 7.1.1 矩估计法 优点是简单易行,对总体的均值与方差进行估计时，并不一定要知道总体服从什么分布 7.1.2 极大似然估计法 例1 由于 称它为似然方程 为极大似然估计的必要条件为 而 与 在同一 处达到最大值， （1） 写出似然函数； 　　（2） 对似然函数取对数，并整理； 　　（3） 求导数 ； 　　（4） 解似然方程 求极大似然函数估计值的一般步骤： 讲讲练练 解 似然函数 * 依据样本对总体未知参数的某种假设作出真伪判断. 假设检验 依据样本寻找总体未知参数的近似值和近似范围; 统计估计 （parameter estimation） 估计废品率 估计新生儿的平均体重 估计湖中鱼数 估计平均降雨量 参数估计是根据从总体中抽取的样本 估计总体分布中包含的未知参数的方法。 分为点估计和区间估计两部分。 7.2 估计量的评选标准 无偏性与有效性 参数估计的一般问题 7.1 点估计: 依据样本估计总体分布中的未知参数 7.3 区间估计: 在要求的精度范围内构造总体分布参数真值所在范围的区间 点估计就是由样本x1,x2,…xn构造一个统计量 ，用它来估计总体的未知参数 ，称为总体参数的估计量。 怎样进行点估计？ 假设总体X 的分布函数为F( x,? ), 其中参数? 是未知的 为了估计未知参数?，通常从含有参数? 的总体中抽取样本X1,X2, …，Xn, 再构造一个合适的统计量 例如:X~ P (λ), X~E(θ), X~N(μ,σ2) 为了估计未知参数?，通常从含有参数? 的总体中抽取样本X1,X2, …，Xn, 再构造一个合适的统计量: . 然后应用样本的一组观察值x1,x2, …，xn, 计算 的值，得 代替参数?， 称 是参数?的点估计值。 称 是参数?的点估计量。 估计量与估计值 (estimator estimated value） 例如: 样本均值 ?X 就是总体均值?的一个估计量 如果样本均值 ?x =80，则80就是?的一个 估计值 　点估计的常用方法 贝叶斯估计法 4 最小二乘法 3 最大似然法? 2 矩估计法? 1 其基本思想 . 它是基于一种简单的“替换”思想建立起来的一种估计方法 . 是英国统计学家K.皮尔逊最早提出的 . 用样本矩估计总体矩 矩估计法: 设X1, X2, …, Xn是从总体X中抽取的样本 由辛钦大数定律有： 样本k阶矩 总体k阶矩 用样本矩“替换”总体矩 理论根据： . 矩估计法的具体步骤: 讲讲练练 样本一阶原点矩为 设总体X服从泊松分布 求参数 的矩估计量. 例 1 可得?的估计量为： 设 是总体 X 的一个样本 解： 总体一阶原点矩为 例2 解：因为总体X 的分布中有两个未知参数， 二阶原点矩 一阶原点矩 样本 总体 由（1），（2）解得a, b的矩估计量分别为 设总体X的概率分布为 其中 是未知参数， 1-2? ?2 2?(1-?) ?2 P 3 2 1 0 X 3， 1， 3， 0， 3， 1， 2， 3. 求参数? 的矩估计值。 利用总体X的如下样本值 1-2? ?2 2?(1-?) ?2 P 3 2 1 0 X x1=3，x2= 1， x3=3， x4=0， x5= 3， x6=1， x7=2，x8= 3. 得参数? 的矩估计值为 【解】 解： 总体X的一阶原点矩 样本一阶原点矩 设总体X在区间[0，θ]上服从均匀分布， 其中θ0 是未知参数, 如果取得样本观测值为 求θ的矩估计值 得θ 的矩估计值 例3 箱子中有100个球，其中只有红色和白色两种球，现从箱子中有放回地每次抽出一球，共取6次， 如出现红色记为1，出现,白色记为0，得数据1,1,0,1,1,1，试用矩估计法估计红球的个数r. 解：设X为抽出一球出现红色球的数目， X的一阶矩为： 样本一阶矩为 参数p的矩估计值为 箱子中红球的个数的矩估计值为