2014年上stats6.16.2章节.PPTVIP

3.一致性: §6.2 衡量点估计量好坏的标准 作 业 参数点估计法口诀： 样本总体相互换，矩法估计很方便 似然函数分开算，对数求导得零蛋 第一条口诀的意思是：用样本的矩来替换总体的矩，就可以算出参数的矩估计； 第二个口诀的意思是：把似然函数中的未知参数当成变量，求出其驻点，在具体计算的时候就是在似然函数两边求对数，然后求参数的驻点，即为参数的最大似然估计。 样本方差 证明： 数理统计中的某些常用分布 证明： 正态总体统计量的分布 总体就是一个随机变量. 第五章 复习 样本: * * §5.1- 5.2 第六章 参数估计 估计 为1.68， （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内， 假如我们要估计某队男生的平均身高. 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 参数估计的类型 区间估计 估计未知参数的取值范围,并使 此范围包含未知参数真值的概率 为给定的值. 点估计 估计未知参数的值. 一.点估计量、点估计值 二.求点估计量的方法 1.矩估计法 2.极大似然法 三.评价估计量好坏的标准 第六章 参数估计 §6.1 参数的点估计 §6.1 参数的点估计 一.参数的点估计、点估计量、点估计值 1.参数的点估计 2.点估计量 3.点估计值 二.矩估计法 原理:用样本k阶矩(原点矩,中心矩)近似总体k阶矩. 1900年,英国统计学家皮尔逊提出替换原则. 解： 根据矩估计法, 例1 样本矩 总体矩 解: 由矩估计法, 样本矩 总体矩 解得 的矩估计. 即为 数学期望 是一阶 原点矩 例2 设总体X的概率密度为 是未知参数, 其中 X1,X2,…,Xn是取自X的样本,求参数 的矩估计. 解： 解： 记总体k阶矩为 样本k阶矩为 用相应的样本矩去估计总体矩的估计方法 就称为矩估计法. 记总体k阶中心矩为 样本k阶中心矩为 3、 最大(极大)似然估计法 极大似然法的基本思想 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率. 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 选择一个参数使得x1, x2, …, xn出现的概率最大的思想就是极大似然法的基本思想 . 上式称为似然函数. 样本值:x1, x2, …, xn 样本:X1, X2, …, Xn (1)总体X是离散型 X的概率分布为P(X=k)=p(k;θ),θ为未知参数. 则有理由认为：事件“X1= x1, X2= x2, …, Xn= xn”发生的概率最大. 即: P(X1= x1, X2= x2, …, Xn= xn) =P(X1= x1)P(X2= x2) … P(Xn= xn) =p(x1;θ) p(x2;θ) … p(xn;θ) L(θ) 1.写出似然函数 =p(x1;θ) p(x2;θ) … p(xn;θ) L(θ) 求最大似然估计量的步骤: 2.取对数 3.对数θ求导 并令 解方程即得未知参数θ的最大似然估计值 (离散) 1.写出似然函数 =f(x1;θ) f(x2;θ) … f(xn;θ) L(θ) 求最大似然估计量的步骤: 2.取对数 3.对数θ求导 并令 解方程即得未知参数θ的最大似然估计值 (连续) 解： 解： 解： 极大似然法的步骤： (1).构造似然函数 连续型 离散型 (2).取对数 (3).求导数，解方程 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: 1.应该选用哪一个估计量？ §6.2 衡量点估计量好坏的标准 2.如何评价估计量的好坏？ 常用 标准 三.评价估计量好坏的标准 1.无偏性: §6.2 衡量点估计量好坏的标准 定义的合理性 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. 证明： 证明： 证明： §