概率论与数理统计A：4chapter7（1）参数的点估计.pptVIP

* Chapter 6(1) 参数的点估计 教学要求： 理解点估计的概念; 2. 掌握矩估计法（一阶、二阶）和极大似然估计法; 了解估计量的评选标准(无偏性、有效性、一致性). 估计理论是数理统计学的重要内容之一. 我们知道， 服从泊松分布的随机变量，其概率分布为P(x,?)， 由一个参数? 0确定；服从正态分布的随机变量， 其概率密度为N(a,?2)，由一对参数a及? 0确定. 就是说，对所要研究的随机变量X，当它的概率分 布的类型为已知时，还需确定分布函数中的参数是 什么值，这样随机变量X的分布函数才能完全确定. 前面内容告诉我们，可以通过研究样本来推断总体. 参数估计 就是根据样本的值去估计分布中的未知参数的问题. 参数估计包括点估计与区间估计. 点估计有： 矩估计、极大似然估计、贝叶斯估计、 最小二乘估计. 一. 点估计的概念 定义： 注意： (1) ? 也可以是向量. (2) ? 的估计量是一个随机变量, 是样本的函数,即是一个统计量. (3) ? 的估计值随着观察值的不同而不同 . 二. 矩估计法 定义： 用样本原点矩作为总体相应的原点矩的估计,从 而得到参数? 的估计量的方法叫矩估计法,这样 的估计量称为矩估计量. 步骤： ex1.设总体X服从指数分布，分布密度为 解 解 解 解 ex5.在一批零件中任取5件，测得其长度为 12.15, 12.12, 12.01, 12.21, 12.16， 试求总体期望?与方差?2的矩估计. 解 由矩估计法可得 解 总体的一阶原点矩为 样本的一阶原点矩为 矩估计法的缺点: (1)矩估计法有时会得出不合理的解. (2)求矩估计量时,不同的做法会得到不同的解. (3)总体分布的矩不一定存在,所以矩估计法不一定有解. 三. 极大似然估计法 极大似然法的想法同矩法一样也是直观的，比如有两 位同学一起进行实弹射击，两人共同射击一个目标， 事先并不知道谁的技术较好，让每人各打一发，有一 个击中目标，认为击中的同学的技术比击不中的同学 的技术较好，显然是合理的. 又如，有一件事，我们 知道它发生的概率p只可能是0.01和0.09，在一次观察 中这事件发生了，试问这事件发生的概率是什么？当 然认为它发生的概率是0.09而不是0.01. 这就是极大似 然估计的出发点，即尽可能把已发生事件的概率估计 得大些. 基本思路是：从总体中取出样本X1，X2，…，Xn， 求出样本X1，X2，…，Xn的联合分布L(?)， 再求出L(?)的最大值. 定义： 步骤： 注意： (1)当似然函数中只含有一个参数时，似然方程成为微 分方程(即为一元函数求极值). (2)当不存在导数为零的点时，由极大似然估计法的定 义直接求极大似然估计量. ex7.设总体X服从正态分布N(?,1),求参数?的极大似然 估计量. 解 解 解 无解! 四. 估计量的优良准则 常用的评选标准有:无偏性 有效性 相合性(一致性) 1. 无偏性 *