[理学]点估计.ppt

第6章 参数估计 数理统计的基本问题之一是根据样本所提供的信息，对总体的分布以及分布的数字特征做出统计推断。通过样本估计总体未知参数的方法主要包括参数估计和非参数估计法。这里的参数可以是总体分布中的未知参数，也可以是总体的某个数字特征。参数估计通常是通过构造样本的函数——样本统计量来实现的。 参数估计示意图 §6.1.1 矩估计法 矩估计法: 用样本原点矩估计相应的总体原点矩 , 又用样本原点矩的连续函数估计相应的总体原点矩的连续函数。 矩估计法的具体做法： 常用的矩估计量 1.样本k阶原点矩作为总体同阶原点矩的矩估计，即 矩估计法的优点： 思想较为简单，使用方便，并且当总体分布未知时该方法也可使用。 矩估计法的局限： 矩估计法必须总体k阶矩存在时才能使用； 如果异常值对矩影响较大，矩估计法估计的结果会受异常值的影响； 在一些情况下，矩估计结果并不唯一。例如泊松分布参数，如果用样本均值和方差去估计，将得到不同的结果。 §6.1.2 极大似然估计法 上面的例子实际上体现了极大似然估计的基本思想，即随机试验的结果更可能来自概率最大的事件，也就是人们常说的概率最大原则 根据这个原则，当总体参数未知时，用样本推断未知参数，总是试图寻找到能使抽样结果发生概率最大的参数作为未知参数的估计，这就是极大似然估计。 几点说明： 通常对似然函数取对数，转换为对数似然函数求解； 若 是向量，上述方程必须用方程组代替； 并不一定可以通过求解似然方程（组）解出未知参数，此时往往需要根据极大似然原则，利用样本信息求估计值。 思考题 ：羊圈中有多少羊？ §6.1.3点估计的优良性 1、无偏性 2、有效性 有效性反映了点估计的稳定性 3、一致性 点估计的一致性： 无偏估计量 直接比较方差大小 总体 样本 统计量 描述 作出推断 统计量是进行参数估计的关键.不同的参数估计方法得到的统计量可能不同.在这里,我们介绍两种常用的参数估计方法:点估计法和区间估计法. 随机抽样 §6.1 点估计 点估计概念 求点估计量的两种方法 课堂练习 小结 布置作业 ，其中 一、点估计概念 … 随机抽查50天的销售金额（单位：万元）： 30,27,26,38,35,22,41 … 呢 ? 据此,我们应如何估计 和 而全部信息就由这50个数组成 . 例 某商场每日销售金额X 未知 如何寻找样本统计量？ 有很多方法都可以用来构造样本统计量，比如矩估计法、极大似然估计法、最小二乘估计法、顺序统计量法…… 这里，我们主要介绍矩估计法和极大似然估计法。 统计学中，矩是指以期望值为基础而定义的数字特征，如数学期望、方差、协方差等。矩估计法是英国统计学家K.皮尔逊最早提出来的，其理论基础是大数定理。 2. 样本k阶中心矩作为总体同阶中心矩的矩估计，即 当k＝2时，样本方差是总体方差的矩估计，即 【例2】 设总体 X 的均值 和方差 都存在 , 未知 . 是来自 X 的样本 , 试求 的矩估计量 . 解 解得 于是 的矩估计量为 总体矩 样本矩 一个简单例子： 一位同学和一位训练有素的射击运动员一起进行射击练习，法令声响后，两人同时进行射击，结果有一人命中十环， … 具体来说，极大似然估计是这样的： 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本的联合密度(连续型）或联合分布律 (离散型)为 f (x1,x2,… ,xn ; ) . f (x1, x2 ,…, xn; ) 这里 x1, x2 ,…, xn 是样本的观察值 . 似然函数： 极大似然估计法就是用使 达到最大值的 去估计 . 称 为 的极大似然估计值 . 看作参数 的函数，它可作为 将以多大可 能产生样本值 x1, x2,… ,xn 的一种度量 . f (x1,x2,…, xn; ) 而相应的统计量 称为 的极大似然估计量 . 提示：n只羊中k只羊身上有记号这个随机事件服从超几何分布…… 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? 用什么标准来评价一个估计量的好坏? (1) 无偏性 (3) 一致性 (2) 有效性 常用标