参数估计教学幻灯片讲义.ppt

1 第七章 参数估计 7.1 参数的点估计 7.2 估计量优劣性的评价 7.3 参数的区间估计 2 本章引言 统计推断的基本问题可以分为两大类： 一类是估计问题；另一类是假设检验问题。 在实际问题中，往往已知总体X的分布函数的形式，但其一个或几个参数未知，因此只有在确定这些参数后，才能通过其分布来计算概率。如何确定这些参数的数值呢？这就是统计推断中的“参数估计”问题。 借助总体X的一个样本来估计总体未知参数的值的问题称为参数的点估计问题。 参数的区间估计就是寻找两个统计量，作为左右端点，构成一个可能包含该待估计参数的一个随机区间(要求该随机区间包含待估计参数的概率满足一定要求)。 3 本章介绍经典的总体参数估计方法，包括参数的点估计和区间估计。 参数的点估计包括矩法估计、最大似然估计和顺序统计量估计，并简单讨论评价估计量优劣的基本标准。 参数的区间估计主要讨论正态总体参数的区间估计。 本章只研究总体分布是连续型或离散型两种情形。为简便起见，引入一个对这两种情形通用的概念：概率函数。 称随机变量X的概率函数为f(x)是指： 对于连续型随机变量，f(x)是X 的密度函数。 对于离散型随机变量， f(x)是X =x的概率。 4 §7.1 点估计 直观理解：参数的点估计就是寻找一个适当的统计量，将样本观测值代入该统计量得到的值就作为该参数的估计值。 5 矩法估计的想法来源于切比雪夫大数定律和辛钦大数定律。如果总体X存在k阶矩，对任意ε 0有 这说明，当样本容量较大时，样本k阶矩与总体k阶矩差别很小(矩法估计的理论依据)。 矩法估计就是用样本k阶矩估计总体k阶矩。 由于总体各阶矩都与总体参数有关，可以通过用样本k阶矩估计总体k阶矩从而实现对参数的估计。 7.1.1 矩法估计 6 7 矩法估计的步骤: 列出估计式。 (2) 求解关于估计量的方程组。 解方程组得 (3) 求出矩估计。 8 9 10 14 15 16 17 18 19 20 21 22 23 24 25 26 7.1.3 顺序统计量估计 就直观来讲，若对总体X作n次观测(抽取样本容量为n的样本)，则X的中位数应处于这n个观测值的中间位置，并且这n个观测值越集中， X的方差应越小。 实际上总体是连续型随机变量且分布密度对称时，总体中位数就是均值。此时可用样本中位数估计总体均值，用样本极差估计总体标准差。即 27 28 对点估计方法的评价： 1. 矩估计法(数字特征法) 直观意义比较明确，但要求总体X的k阶矩存在。 2. 极大似然估计法。 具有一些理论上的优点，但要求似然函数可微。 3. 顺序统计量法 使用起来方便，计算量不大，但准确度不高。 29 常用分布的点估计 分布类型 被估计参数 估计量 μ σ2 (μ已知) σ2 (μ未知) a U[a,b] b a max{X1,…,Xn} min{X1,…,Xn} 0-1 p p λ p(1-p)k-1 p 30 §7.2 估计量优劣性的评价 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 §7.3 参数的区间估计 50 51 7.3.1 单个正态总体的区间估计 1. 已知，求μ的置信区间 52 53 54 2. σ2未知，求μ的置信区间 55 56 说明： 对比分析上述两例的结果会发现，由同一组样本观察值，按同样的置信概率，对μ计算出的置信区间因为σ2的是否已知会不一样。 当σ2为已知时，我们掌握的信息多一些，在其他条件相同的情况下，对μ的估计精度要高一些，即表现为μ的置信区间长度要小些。 反之，当σ2为未知时，对μ的估计精度要低一些，即表现为μ的置信区间长度再大一些。 57 3.μ=μ0已知，求σ2的置信区间 58 59 60 4. μ未知，求σ2的置信区间 61 62 7.3.2 两个正态总体的区间估计 63 64 65 例 两台机床生产同一个型号的滚珠，从甲机床、乙机床生产的滚珠中分别抽取8个、9个