点估计量和点估计方法.pdfVIP

第 8 讲* 点估计量和点估计方法 麻省理工学院 14.30 2006 年春季 Herman Bennett 假定某一参数值未知的情况下，点估计的目标就是用一个样本计算出一个数值，该数 值在某种意义上代表对该参数真实值的优良估计。 19 定义 19．1 参数 f x( ) f ( x/ ) θ 概率质量/密度函数可以记作 X 或 X ，其中 θ代表能全定义分布的常数。 例如，如果x是正态分布的随机变量，则常数μ和 σ将能完全定义其分布状态。这些 常数被称为参数，并且通常被记作希腊字母θ。1 例 19.1： f ( x/ ) θ θ μ,θ σ —正态分布: X ( / f , x ) μ σ ，两个参数： 1 2 ； f ( x/ ) θ n θ p,θ —二项分布： X f (x /n ,p ) =，两个参数： 1 2 ； f ( x/ ) θ —泊松分布： X ( f /x ) λ ，一个参数：θ λ ； f ( x/ ) θ θ α,θ β —伽玛分布： X ( / f , x ) α β ,两个参数: 1 2 。 19.2 （点）估计量 ∧ θ的点估计量，记作 ,它是一个统计量（是随机样本的一个函数）： θ ˆ (r X, X, θ, 1X) 2, … n （63 ） 注意：这些讲义不一定是自封的。它们只是对讲座的一种补充而不是替代。 1对此也可以这样解释：参数是一个在同一个分布族中都适用的常数。 1 HERMAN BENNETT 第 8 讲—麻省理工学院 14.30 2006 年 春季 ˆ θ 注意 的值并不是直接取决于 θ，而仅仅是间接取决于每一个X i 的随机过程。 ˆ θ的点估计是一种估计量θ的实现值（即随机样本实现值的一个函数）： ˆ (r x, x, θ, x) … 。 （64 ） 1 2 n 例 19.2 X设样本,X , … 服从正态分布( , Nμ)σ 2 ，我们想估计参数μ（未知）。我们 1 10 可以构造出无数个μ的估计量。实际上，任何一个随机样本的函数都可以看作是μ的一个估 计量，例如： X ⎧ 10 ⎪