点估计的优良性2.ppt

由于两个总体的方差未知，而甲组 的样本容量较小，因此采用大样本下两 总体均值比较的U—检验法似乎不妥. 故 当 为真时，统计量 采用方差相等 (但未知) 时，两正态总体 均值比较的t—检验法对第一个问题作出 回答. 为此 , 利用样本先检验两总体方差 是否相等，即检验假设 拒绝域为 未落在拒绝域内，故接受 . 即可认为 两总体方差相等. 下面用 t — 检验法检 验 是否比 显著偏小？ 即检验假设 当 为真时，检验统计量 其中 嗜酒会对儿童智力发育产生不良影响. 落在拒绝域内，故拒绝 . 即认为母亲 下面继续考察这种不良影响的程度. 为此要对两总体均值差进行区间估计. 取 于是置信度为 99% 的置信区间为 由此可断言：在99%的置信度下，嗜酒 母亲所生孩子在七岁时的智商比不饮酒 的母亲所生孩子在七岁时的智商平均要 低 2.09 到 39.91. 故限制显著性水平的原则体现了“保护零假设”的原则. [注] 大家是否注意到，在解决问题时， 两次假设检验所取的显著性水平不同. 前者远 在检验方差相等时，取 ; 在 检验均值是否相等时取 . 比后者大. 为何这样取呢?因为检验的结果与检验的显著性水平 有关. 小，则拒绝域也会小，产生的后果使零假设难以被拒绝. 在 较大时,若能接受 , 说明 为真的依据很充足; 同样，在 很小时， 我们仍然拒绝 . 说明 不真的理由就 更充足. 说明在所给数据下，得出相应的 本例中, 对 , 仍得出 可被接受, 及对 , 可被拒绝 的结论. 结论有很充足的理由. 另外在区间估计中，取较小的置信 若反之 , 取较大的置信水平，则可 水平 (即较大的置信度), 从而使 得区间估计的范围较大. 减少估计区间的长度，使区间估计精确 提高，但相应地区间估计的可靠度降低 了，即要冒更大的风险. 解 注意到 是 X1, X2,…, Xn 的线性函数, 补充题 补充题 设总体 X ~ N (? ,? 2), 为 X 的一个样本,常数 k 取 何值可使 为? 的无偏估计量 故 点估计的评价标准 对于同一个未知参数,不同的方法得到的估计量可能不同,于是提出问题 应该选用哪一种估计量? 用何标准来评价一个估计量的好坏? 常用 标准 (1) 无偏性 (3) 相合性（一致性） (2) 有效性 若 则称 是? 的无偏估计量. 无偏性 定义 我们不可能要求每一次由样本得到的 估计值与真值都相等，但可以要求这些估 计值的期望与真值相等. 定义的合理性 是总体X 的样本, 证明: 不论 X 服从什么分布(但期望存在), 是 的无偏估计量. 证 例1 设总体X 的 k 阶矩 存在 因而 由于 则 特别地 样本二阶原点矩 是总体 是总体期望 E( X ) 的 样本均值 无偏估计量 的无偏 二阶原点矩 估计量 例2 设总体 X 的期望 与方差存在, X 的 样本为 (n 1) . (1) 不是 D( X )的无偏估量; (2) 是 D( X ) 的无偏估计量. 证 前已证 证明 因而 故 证毕. 例3 设 是总体 X 的一个样本 , X~B(n , p) n 1 , 求 p 2 的无偏估计量. 解 由于样本矩是总体矩的无偏估计量以及数学期望的线性性质, 只要将未知参数表示成总体矩的线性函数, 然后用样本矩作为总体矩的估计量, 这样得到的未知参数的估计量即为无偏估计量. 令 因此, p 2 的无偏估计量为 故 例4 设总体 X 的密度函数为 为常数 为 X 的一个样本 证明 与 都是 的无偏 估计量 证 故 是? 的无偏估计量. 令 即 故 n Z 是? 的无偏估计量. 都是总体参数? 的无偏估计量, 且 则称