[理学]概率第六章第七章.ppt

第六章 样本与抽样分布 第七章 参数估计 （一）矩估计法 基本思想： 用样本的经验分布和样本的各阶矩去 替换原则的理论依据： 样本的各阶矩依概率收敛于总体的各阶矩. —— 第五章 大数定律 代替总体分布和各阶矩. 定义 2（矩估计法） 用相应的样本的k阶矩作为总体k阶矩的估计量， 这种估计方法叫矩估计法. 例 2（例7.2.3） 设总体 X 服从均匀分布， 密度 解： 函数为 是取自总体的一个样本，求 的矩估计量. 例 3（02 数三研） 设总体 X 的概率密度函数为 为来自 总体的样本，求 的矩估计量. 解： 例4 都存在，但 设总体 X 的均值及方差 一个样本，试求 的矩估计量. 是来自总体 X 的 均未知,又设 解： 上例表明,总体均值的矩估计量为样本均值， 总体方差的矩估计量为样本的二阶中心矩(而不 注2: 是样本方差)，不因总体分布不同而改变. 注1: 此例的求解方法和所得结论值得同学们 充分重视. 当总体中有两个未知参数时，我们 就用样本的1阶和2阶原点矩分别代替总体的1 阶和2阶原点矩，这是求未知参数矩估计的基本 方法. 注3: 由以上可看出，这里的一个待估参数有两 个不同的矩估计量. 这样，就会给应用带来不 解： 例 5 设总体 X 服从参数为 的泊松分布， 为来自总体的样本，求 的矩估计 为未 知参数, 不便. 注4: 矩估计一般精度较差. 基于以上两点考虑，我们提出了下面的点估计 方法： （二）极大似然估计法 极大似然估计法. 相应地，称 为参数 的极大似然估计量. 注：极大似然估计法是指在一次抽样中，若 得到的样本观察值为 ，则应该 选择这样的 为 的估计，它使 得这组观察值 出现的概率最大. 这样，求总体参数 的极大似然估计问题就 转化为求似然函数的最大值问题. 例6 解： 矩估计量： 利用样本值算得： 参数 的矩估计值为 取对数得： 令： 似然函数： 解得： （舍去） 的极大似然估计值为 设总体 X 的概率密度函数为： 其中， 未知， 为来自总体 X 的 一个样本，求 的矩估计量和极大似然估计量.? 例7 解： （1） （2）似然函数 定理 6.4.3 与样本均值 则样本方差 设 是来自正态总体 的一 个样本， 相互独立，且 提示： 对自由度的一点解释： 一个班50人，平均分80分，现在只需知道49个人的成绩，就能推断出第50个人的成绩. 你可以随便报出49个人的成绩，但最后一名同学的成绩不能随意报，因为平均分固定了，这样，自由度就少了1. 自由度 样本个数 样本数据受约束条件个数 偏态分布 （三）t 分布( ) 所服从的分布为自由度 为n的t 分布, 记为： 结构型定义 1、定义 性质2 t 分布的密度函数图形特点 关于 y 轴对称 时，t 分布 ① ② 时，接近标准正态分布. 即 性质1 t 分布的期望和方差 2、性质 偏态分布 例 即 定理 6.4.4 注意： 3、结论 由 t 分布的定义： ① ② 独立 证 证毕 （四）F分布 设 相互独立，则称 且 统计量 记作: 的F 分布. 所服从的分布为自由度为(m, n) 1、定义 性质1 性质2 若 则 若 则 证 证毕 2、性质 定理 6.4.6 且它们相互独立, 则 设 和 来自正态总体 和 分别为 的两个样本, 证 3、结论 三、分位数 设F(x)为一概率分布函数， 数 使 则称 为此概率分布 的下侧 分位数. 1、定义 2. 常用分布的下侧分位数 ① 正态分布（附表4） 它表示事件 的概率为 用 表示标准正态分布N(0, 1)的 分位数， 也即区域 的面积为 即 性质： ② 分布（附表6） 的分位数用 表示， 由于 表示的是 故分位数也用 表示. 例 当 时，有近似公式： ① ② ③ t 分布（附表5） 的分位数记作： 例 当 时，t 分布接近于标准正态分布, 因此，用相应正态分布的 分位数近似计算. 性质： ④ F 分布： （附表7） F(m,n)的分位数记作： 例 证 性质： 3. 分位数的其他表示法 ① 若 使得 ，则称 为 X 的 上侧 分位数. 为原分布的 分位数. 例 若数 满足 ，则 ② 若 使得